-
公开(公告)号：CN114169520B
公开(公告)日：2024-11-22
申请号：CN202111326449.3
申请日：2021-11-10
Applicant: 安徽农业大学
IPC: G06N5/01 , G06N20/20 , G06F18/214 , G06F16/909 , G06F16/215
Abstract: 本发明公开了一种时空梯度提升决策树的方法，包括步骤一、目标数据获取，对原始数据进行筛选，得到目标地区气象站点的数据；步骤二、使用Python对数据中不需要的特征数据以及对剩余数据中的噪声数据进行线性处理，提高数据完整性；步骤三、对处理后的气象数据进行计算，将每日数据转为需要的月平均数据；步骤四、根据站点的时间属性信息和空间属性信息获得时空信息；步骤五、利用气象站点的纬度，月平均气温和月平均降水计算月SPEI数据；步骤六、ST‑GBDT模型构建与预测。该时空梯度提升决策树的方法，能够利用时空信息与GBDT相结合的方式，在输入探索变量中增加时空信息，增加输入变量的特征，利用scikit‑learn的类库在Python语言中的开发实现。
-
公开(公告)号：CN114020785B
公开(公告)日：2024-08-02
申请号：CN202111232661.3
申请日：2021-10-22
Applicant: 安徽农业大学
IPC: G06F16/2455 , G06F16/29 , G06F18/23
Abstract: 本发明公开了一种扩展核密度空间分析的地理流方法，包括对原始地理流数据进行处理，再选取搜索半径，计算出地理流邻域的搜索半径r，并计算搜索半径内的地理流之间的核函数矩阵。然后对每个地理流的核密度大小进行从大到小排序，并归一化核密度，对核密度和前面值差距较大的离群的流进行剔除，将其视为噪声；依次循环，直到最后合并完所有的流簇，生成分层聚类树。本发明的有益效果是，开发了一种创新的空间流聚类方法，在地理流二阶空间分析方面提出了一个全新的可适用的方法，同样，该地理流核密度分析方法也可以适用于其他领域的流数据分析，是一个可拓展，可多方面适用的地理流方法，它有可能成为探索海量空间流数据的有效工具。
-
公开(公告)号：CN114881140B
公开(公告)日：2024-07-02
申请号：CN202210482521.X
申请日：2022-05-05
Applicant: 安徽农业大学
IPC: G06F18/23213 , G06F18/2323 , G06F16/9537
Abstract: 本发明涉及地理流技术领域，具体涉及一种扩展谱聚类的地理流空间分析方法；本发明主要关注的是将流视作整体研究对象进行聚类的方法。基于已有的地理流研究方法提出了一种新的流聚类方法，该方法通过定义流的距离和流的空间相似性，将谱聚类的研究方法应用于流领域中，并通过模拟实验验证来分析该方法的有效性和可靠性；本发明提供的一种扩展谱聚类空间分析的地理流方法将应用于点数据的谱聚类应用于OD空间流中，将点的数据处理方法转换为线的处理方法，是一种方法的创新，为探索海量空间流数据提供了有效工具。
-
公开(公告)号：CN114881140A
公开(公告)日：2022-08-09
申请号：CN202210482521.X
申请日：2022-05-05
Applicant: 安徽农业大学
IPC: G06K9/62 , G06F16/9537
Abstract: 本发明涉及地理流技术领域，具体涉及一种扩展谱聚类的地理流空间分析方法；本发明主要关注的是将流视作整体研究对象进行聚类的方法。基于已有的地理流研究方法提出了一种新的流聚类方法，该方法通过定义流的距离和流的空间相似性，将谱聚类的研究方法应用于流领域中，并通过模拟实验验证来分析该方法的有效性和可靠性；本发明提供的一种扩展谱聚类空间分析的地理流方法将应用于点数据的谱聚类应用于OD空间流中，将点的数据处理方法转换为线的处理方法，是一种方法的创新，为探索海量空间流数据提供了有效工具。
-
公开(公告)号：CN114580700A
公开(公告)日：2022-06-03
申请号：CN202111106874.1
申请日：2021-09-22
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N7/00 , G06K9/62 , G06F16/29 , G06V10/764 , G06V10/774 , G06V10/84
Abstract: 本发明公开了一种基于语义贝叶斯网络的TVDI干旱指数预测方法，包括对原始数据进行预处理得到研究所需的NDVI和LST数据，对于受云污染的NDVI和LST数据利用R中RGISTools包中的IMA平均异常插值法进行缺失数据优化。然后利用ESTARFM模型对NDVI和LST数据分别进行时空融合，得到高时空分辨率数据，结合地表语义信息，建立语义贝叶斯网络，利用语义贝叶斯网络实现对TVDI的预测。本发明的有益效果是：从贝叶斯网络的角度对一区域的干旱情况结合语义信息进行预测，在干旱预测方面提出了一个全新的可适用的方法，同样语义贝叶斯也可以适用于其他领域的预测，是一个可拓展，可多方面适用的预测方法。
-
Patent Agency Ranking
公开(公告)号：CN111046120A
公开(公告)日：2020-04-21
申请号：CN201911194244.7
申请日：2019-11-28
Applicant: 安徽农业大学
IPC: G06F16/29
Abstract: 本发明公开了地理空间数据处理技术领域的一种极端气温语义反距离权重插值方法，首先对遥感地表温度数据进行预处理，进行地表温度反演，其次，构建参与地表土地利用分类的语义层次，计算地表语义相似度，利用语义相似度调节因子权重，嵌入反距离空间插值模型，最后，以地表温度数据为例完成空间插值估算，构建地表温度插值数据集；本发明通过充分利用地理层次化语义相似度，调节插值因子权重，改进传统反距离插值方法，除极端气温数据外，不需要任何辅助数据，易于实现，实用价值高，可用于连续场景的地表温度、植被覆盖度与土壤湿度数据等易存在数据错误缺失等相关数据数据业务化运行。
-
公开(公告)号：CN114169520A
公开(公告)日：2022-03-11
申请号：CN202111326449.3
申请日：2021-11-10
Applicant: 安徽农业大学
IPC: G06N5/00 , G06N20/20 , G06K9/62 , G06F16/909 , G06F16/215
Abstract: 本发明公开了一种时空梯度提升决策树的方法，包括步骤一、目标数据获取，对原始数据进行筛选，得到目标地区气象站点的数据；步骤二、使用Python对数据中不需要的特征数据以及对剩余数据中的噪声数据进行线性处理，提高数据完整性；步骤三、对处理后的气象数据进行计算，将每日数据转为需要的月平均数据；步骤四、根据站点的时间属性信息和空间属性信息获得时空信息；步骤五、利用气象站点的纬度，月平均气温和月平均降水计算月SPEI数据；步骤六、ST‑GBDT模型构建与预测。该时空梯度提升决策树的方法，能够利用时空信息与GBDT相结合的方式，在输入探索变量中增加时空信息，增加输入变量的特征，利用scikit‑learn的类库在Python语言中的开发实现。
-
公开(公告)号：CN114580700B
公开(公告)日：2024-06-28
申请号：CN202111106874.1
申请日：2021-09-22
Applicant: 安徽农业大学
IPC: G01W1/10 , G06N7/01 , G06F16/29 , G06V10/764 , G06V10/774 , G06V10/84 , G06Q50/26
Abstract: 本发明公开了一种基于语义贝叶斯网络的TVDI干旱指数预测方法，包括对原始数据进行预处理得到研究所需的NDVI和LST数据，对于受云污染的NDVI和LST数据利用R中RGISTools包中的IMA平均异常插值法进行缺失数据优化。然后利用ESTARFM模型对NDVI和LST数据分别进行时空融合，得到高时空分辨率数据，结合地表语义信息，建立语义贝叶斯网络，利用语义贝叶斯网络实现对TVDI的预测。本发明的有益效果是：从贝叶斯网络的角度对一区域的干旱情况结合语义信息进行预测，在干旱预测方面提出了一个全新的可适用的方法，同样语义贝叶斯也可以适用于其他领域的预测，是一个可拓展，可多方面适用的预测方法。
-
公开(公告)号：CN117150405A
公开(公告)日：2023-12-01
申请号：CN202311116102.5
申请日：2023-08-30
Applicant: 安徽农业大学
IPC: G06F18/2433 , G06F18/2131 , G06F18/27 , G06F17/14 , G06F17/18 , G06F123/02
Abstract: 本发明公开了一种联合小波变换和拓扑持久性熵的时间序列异常检测方法，包括：基于小波函数和分解级数，将待检测的时间序列分解为不同级数的小波分量；将分解后得到的小波分量作为变量序列，并将变量序列通过Takens嵌入定理嵌入至三维空间中，并将不同的小波分量的点云重构到三维空间；对重构后的小波分量的点云数据进行逆变换，以得到重构的时间序列；将重构的时间序列划分为窗口，并计算每个窗口的持久性熵；若计算得到的窗口的持久性熵超过预设的持久性熵阈值，则该窗口为异常窗口。本发明基于小波分析来提取时间序列的特征和结构信息，并基于拓扑持久性熵来度量时间序列的复杂度和规律性，具有良好的检测准确性和鲁棒性。
-
公开(公告)号：CN115357811A
公开(公告)日：2022-11-18
申请号：CN202211013111.7
申请日：2022-08-23
Applicant: 安徽农业大学
IPC: G06F16/9537 , G06F16/29 , G06F16/2458 , G06F16/906 , G06K9/62
Abstract: 本发明属于数据挖掘技术领域，具体涉及一种顾及拓扑数据分析的时序多层地理流聚类识别方法，包括如下步骤：S1、时序地理流构建；S2、地理流降维；S3、地理流聚类识别。本发明提出了一种顾及拓扑数据分析的时序多层地理流聚类识别方法，这种全新的地理时空分析方法可识别多层地理流聚类；为了将多层时序地理流进行聚类，发明人将拓扑数据分析的多透镜工具引入到方法持久性图中，计算每个持久性图之间的Wasserstein距离从而将不同时序的多层地理流进行聚类，生动地描绘了它们的动态相互作用，丰富对城市空间动态组织的研究；其实验结果可以为可持续城市管理提供决策支持。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.038 seconds)
