-
公开(公告)号：CN113240199B
公开(公告)日：2022-10-28
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
公开(公告)号：CN115169527A
公开(公告)日：2022-10-11
申请号：CN202210641115.3
申请日：2022-06-07
Abstract: 本发明公开了基于AIS数据的船舶异常状态检测方法,包括以下步骤：获取原始AIS数据，基于所述原始AIS数据进行预处理获取船舶的原始轨迹，并对所述原始轨迹进行轨迹段划分，获取所述原始轨迹的直线段和弯线段；提取到转弯段和直线段后，使用轨迹相似性度量算法进行异常轨迹的剔除，Bi‑LSTM模型是在没有异常轨迹的基础上进行预测；基于所述直线段和所述弯线段，采用深度学习模型的Bi‑LSTM构建基于预测的异常检测模型，完成船舶异常状态检测。本发明实时监测船舶航行状态，自动发现异常并及时做出预警，可有效降低安全监管对人力的依赖，在保障船舶安全航行和海运贸易繁荣发展方面具有重要意义。
-
公开(公告)号：CN111581985B
公开(公告)日：2022-05-24
申请号：CN202010409821.6
申请日：2020-05-14
Applicant: 兰州大学
IPC: G06F40/47 , G06F40/126 , G06F40/117 , G06F40/289
Abstract: 本发明涉及一种基于Transformer的汉盲翻译方法及系统，所述方法至少包括：基于现有句子级对应的汉盲数字资源训练翻译模型；基于Transformer构建以句子为单位将汉语文本直接转换为盲文ASCII码的所述翻译模型，其中，所述翻译模型基于多头自注意力机制至少将输入、输出、输入‑输出的信息关联的方式学习所述汉盲数字资源。本发明以句子为单位进行翻译，不需要构建词语级精确对应的汉盲对照语料库，使得本发明能够直接利用现存的汉盲数字资源，只需要经过句子切分处理就能使用，从而建设难度小、耗时短，显著地降低了构建语料库的成本。
-
公开(公告)号：CN113505878A
公开(公告)日：2021-10-15
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN118587506A
公开(公告)日：2024-09-03
申请号：CN202410791450.0
申请日：2024-06-19
Applicant: 兰州大学 , 中科奇驭科技(天津)有限公司
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06V20/13
Abstract: 本发明公开了一种基于深度学习的大气云分类方法，包括：获取大气云卫星观测图像，对所述大气云卫星观测图像进行预处理，获取预处理后的卫星观测图像；将所述预处理后的卫星观测图像输入网络1，网络1采用VGG‑19编码网络及ASPP网络；随后经过解码网络，并且使用SE Block获得网络1的输出；将网络1中的输入和输出进行逐元素相乘，获得网络2的输入；将所述网络2的输入图像输入改进后的Unet网络，获得大气云分类图像。本发明利用DC‑CNN网络模型的机制对卫星数据进行分类，达到提高分类准确度的目的。
-
Patent Agency Ranking
公开(公告)号：CN113505878B
公开(公告)日：2022-11-29
申请号：CN202110779945.8
申请日：2021-07-09
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本发明公开了一种基于图神经网络的航迹预测方法，包括：S1：构建图神经网络模型。S2：获取待检测航迹序列数据集。S3：将待检测航迹序列数据集输入图神经网络模型，得到航迹预测轨迹。本发明结合图神经网络GNN(GraphNeuralNetworks，GNN)在空间特征提取方面强大的性能优势，将时空图神经网络模型应用于预测任务中，并倡导实验进行了可行性验证及同其他预测模型的对比分析，结果表明图神经网络在所有预测模型中，性能表现最好，相比于LSTM模型，在预测任务的准确性和稳定性方面均有提升。
-
公开(公告)号：CN115050214A
公开(公告)日：2022-09-13
申请号：CN202210638965.8
申请日：2022-06-07
Applicant: 兰州大学 , 天津云帆海洋科技有限公司
Abstract: 本申请公开了一种基于AIS数据的船舶碰撞风险预测方法,通过采集待测试的AIS数据并进行数据预处理，然后通过两条船舶轨迹数据空间和时间建模获取轨迹对；基于获取的数据集进行船舶碰撞危险度计算及区域碰撞风险计算，通过Attention‑BiLSTM网络对轨迹对相对运动参数的船舶碰撞风险预测，获取输入特征以及标签值；然后通过多个模型分别预测不同时间段的碰撞风险等级，本申请通过研究船舶碰撞风险模型，可以有效的应对紧急情况并且作出反应来避免碰撞，通过提前告知船主或驾驶员两艘船舶未来某一刻碰撞的风险程度并提供路线规划的直接支持，可以有效的防止交通安全事故的发生。
-
公开(公告)号：CN113240199A
公开(公告)日：2021-08-10
申请号：CN202110630985.6
申请日：2021-06-07
Abstract: 本发明涉及一种基于DILATE_TLSTM的港口船舶轨迹预测方法，具体包括S1、采集港口AIS数据并对所采集的数据预进行处理，获取轨迹预测数据集；S2、构建基于DILATE_TLSTM的港口船舶轨迹预测模型；S3、采用滑窗法对输入模型的序列进行处理，对模型进行训练，得到预测结果；S4、以平均绝对误差、均方误差、拟合优度、形状失真DTW和时间失真指数TDI对所述预测结果进行衡量评估，得到港口船舶轨迹预测模型的预测效果。本发明构建的基于DILATE_TLSTM的港口船舶轨迹预测模型能够实现直接多步预测，并基于形状和时间失真损失函数对TLSTM模型进行改进，提升了轨迹序列预测模型的拟合能力。
-
公开(公告)号：CN113240198A
公开(公告)日：2021-08-10
申请号：CN202110630771.9
申请日：2021-06-07
Abstract: 本发明涉及一种基于TCN模型的港口船舶轨迹预测方法，包括：S1、获取港口AIS数据，并对其进行预处理，获得轨迹预测数据集；S2、基于扩张因果卷积和残差连接，构建时序卷积块，通过所述时序卷积块堆叠，以及一维卷积层构建TCN模型，将所述TCN模型预测的单步输出作为下一时刻的输入,不断迭代实现多步轨迹预测，构建基于TCN的港口船舶轨迹预测模型；S3、通过平均绝对误差、均方误差、拟合优度三个指标来评价所述TCN模型的预测效果，得到预测结果。本发明构建的基于TCN的船舶轨迹预测模型，预测精度更高，在实际应用中，为港口安全生产及高效管理提供更精准的技术支撑。
-
公开(公告)号：CN113240201B
公开(公告)日：2024-02-09
申请号：CN202110635998.2
申请日：2021-06-08
IPC: G06Q10/04 , G06Q10/067 , G06F16/28 , G06F16/2458 , G06N3/08
Abstract: 本发明公开了一种基于GMM‑DNN混合模型预测船舶主机功率方法，首先对船舶特征进行相关性分析，选择与主机功率相关系数较大的船舶特征作为GMM‑DNN混合模型的输入；其次使用GMM对船舶特征进行聚类，将聚类结果作为标签和船舶特征一起作为DNN的输入，同时使用Adam‑Dropout优化模型；最后为了探究方法的有效性，本发明比较了多元线性回归、非线性回归、普通DNN、GMM‑DNN的预测效果，实验表明GMM‑DNN混合模型在船舶主机功率预测上性能最优。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.016 seconds)
