一种基于长江标准的电子航道图生产方法

    公开(公告)号:CN102095425A

    公开(公告)日:2011-06-15

    申请号:CN201110039907.5

    申请日:2011-02-17

    IPC分类号: G01C21/32

    摘要: 本发明的一种基于长江标准的电子航道图生产方法,主要是基于长江数字航道测量数据传输标准,长江数字航道测量数据检验标准,以及国际海道测量组织推荐的电子海图数据保护方案,利用先进的计算机网络技术、数据通信技术和地理信息处理技术,建设长江标准化的电子航道图数据库,通过数据采集、数据处理及航道图编辑、航道图审核及航道图发布、航道图应用的生产流程,实现长江干线水道测量管理、电子航道图生成、发布全过程的自动化、一体化和网络化,并通过浏览器方式为长江通航船舶、各航运相关部门和企事业单位及时提供最新的电子航道图服务。明显具有规范的数据格式、完善的数据更新机制、成熟的业务体制、安全的信息保护机制和有利于推广等优点。

    一种基于循环神经网络和卷积神经网络的智能水位预测方法

    公开(公告)号:CN111242344A

    公开(公告)日:2020-06-05

    申请号:CN201911269292.8

    申请日:2019-12-11

    摘要: 本发明提供一种基于循环神经网络和卷积神经网络的智能水位预测方法,包括:处理空间上相邻的各个水位站长期采集的水位数据,形成水位样本数据;构建基于循环神经网络和卷积神经网络的水位预测模型;利用水位样本数据对水位预测模型进行训练和测试,确定水位预测模型的网络参数;利用训练好的水位预测模型,输入多个空间相邻水位站的一段期间的历史数据,获得中间水位站未来一段期间的预测水位值。本发明的技术方案一方面利用循环神经网络学习水位的变化趋势,另一方面利用卷积神经网络更好地学习到了不同位置的水位站之间水位值的某种关联,从而更加充分利用多水位站的数据,提高内河水位预测的精度。

    一种基于深度卷积神经网络的航标图像智能分类方法

    公开(公告)号:CN111488940A

    公开(公告)日:2020-08-04

    申请号:CN202010296631.8

    申请日:2020-04-15

    IPC分类号: G06K9/62 G06K9/00 G06N3/04

    摘要: 本发明提供一种基于深度卷积神经网络的航标图像智能分类方法。包括:采集航标图像;对航标图像进行预处理形成数据集;构建注意力航标分类模型;训练模型并进行测试,形成训练好的注意力航标分类模型;利用tensorflow-serving对训练好的注意力航标分类模型进行部署,提供调用网络接口;进行航标分类的应用。本发明提出的注意力航标分类模型,专门针对不同细类的航标数据进行训练,应用于智能船舶和智能航行系统中,提高对环境的视觉感知能力,保障船舶的航行安全;也可应用于基于手机的航道信息智能服务APP中,培养和提升社会公众和船员的识标能力和水平。

    一种基于长江标准的电子航道图生产方法

    公开(公告)号:CN102095425B

    公开(公告)日:2013-07-17

    申请号:CN201110039907.5

    申请日:2011-02-17

    IPC分类号: G01C21/32

    摘要: 本发明的一种基于长江标准的电子航道图生产方法,主要是基于长江数字航道测量数据传输标准,长江数字航道测量数据检验标准,以及国际海道测量组织推荐的电子海图数据保护方案,利用先进的计算机网络技术、数据通信技术和地理信息处理技术,建设长江标准化的电子航道图数据库,通过数据采集、数据处理及航道图编辑、航道图审核及航道图发布、航道图应用的生产流程,实现长江干线水道测量管理、电子航道图生成、发布全过程的自动化、一体化和网络化,并通过浏览器方式为长江通航船舶、各航运相关部门和企事业单位及时提供最新的电子航道图服务。明显具有规范的数据格式、完善的数据更新机制、成熟的业务体制、安全的信息保护机制和有利于推广等优点。