-
Patent Agency Ranking
公开(公告)号：CN101592488A
公开(公告)日：2009-12-02
申请号：CN200910032581.6
申请日：2009-07-02
Applicant: 南京大学
IPC: G01C13/00
Abstract: 本发明公开了一种水文序列分析中基于信息熵理论的消噪方法，首先依据待分析的水文时间序列的基本特性选择小波函数和小波分解层数，然后对水文序列进行离散小波变换，得到不同时间尺度水平上的小波系数dj，k；应用小波系数阈值优选熵准则，确定各层的小波系数阈值；对各层高频小波系数进行硬或软阈值量化处理，之后再对处理后的小波系数进行重构，得到实测水文序列中的重构主序列；实测水文序列与重构主序列之差为噪声成分，即实现噪声成分的分离。本发明基于信息熵理论和小波消噪思路，建立了小波系数阈值优选熵准则，从而利用小波分析方法可有效地分离出水文序列中的噪声成分，提高了水文数据的真实性和准确性。
-
公开(公告)号：CN104600330A
公开(公告)日：2015-05-06
申请号：CN201510046737.1
申请日：2015-01-29
Applicant: 昆山桑莱特新能源科技有限公司 , 南京大学昆山创新研究院
IPC: H01M4/88
CPC classification number: H01M4/8882 , H01M4/8835 , H01M4/8842 , H01M8/22
Abstract: 本发明公开了一种氢燃料电池膜电极的制备方法，具有工艺简单、可重复性强、制备周期短、环境污染小等特点，制备出的膜电极平整且催化剂均匀性好，膜电极性能优越亦可作为一个独立的组件，相对于常规热压转印制备的膜电极，具有更高的功率密度，有利于规模化连续生产，提高了生产效率，具备商业化生产潜力。
-
公开(公告)号：CN101592488B
公开(公告)日：2011-08-03
申请号：CN200910032581.6
申请日：2009-07-02
Applicant: 南京大学
IPC: G01C13/00
Abstract: 本发明公开了一种水文序列分析中基于信息熵理论的消噪方法，首先依据待分析的水文时间序列的基本特性选择小波函数和小波分解层数，然后对水文序列进行离散小波变换，得到不同时间尺度水平上的小波系数dj，k；应用小波系数阈值优选熵准则，确定各层的小波系数阈值；对各层高频小波系数进行硬或软阈值量化处理，之后再对处理后的小波系数进行重构，得到实测水文序列中的重构主序列；实测水文序列与重构主序列之差为噪声成分，即实现噪声成分的分离。本发明基于信息熵理论和小波消噪思路，建立了小波系数阈值优选熵准则，从而利用小波分析方法可有效地分离出水文序列中的噪声成分，提高了水文数据的真实性和准确性。
-
公开(公告)号：CN101604356A
公开(公告)日：2009-12-16
申请号：CN200910033616.8
申请日：2009-06-24
Applicant: 南京大学
Abstract: 本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。
-
公开(公告)号：CN101604356B
公开(公告)日：2011-01-12
申请号：CN200910033616.8
申请日：2009-06-24
Applicant: 南京大学
Abstract: 本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
