公开(公告)号：CN118964159A

公开(公告)日：2024-11-15

申请号：CN202411058718.6

申请日：2024-08-02

Applicant: 贵州白山云科技股份有限公司 ,  山东大学

Inventor： 霍涛 ,  邹逸飞 ,  于东晓 ,  齐森茂 ,  王旭龙 ,  林光政 ,  凌一宏

IPC: G06F11/34 ,  G06F18/23 ,  G06N20/20 ,  G06F18/2431 ,  G06N5/01

Abstract: 本发明属于云计算技术领域，具体涉及一种服务器设备负载的实时预测方法。所述方法包括：采集服务器过去一段时间内的设备参数序列，并将所述设备参数序列划分为样本序列和标签序列；对所述样本序列和所述标签序列进行预处理；对预处理后的样本序列，根据业务信息对每个覆盖做聚类，使得相似的覆盖聚为一类，并引入时间戳，获得最终的样本序列；采用随机森林回归算法建立随机森林回归预测模型；将所述最终的样本序列、所述标签序列输入至所述随机森林回归预测模型进行训练，获得训练好的实时预测模型；将所述服务器当前时间段的设备参数序列输入至所述训练好的实时预测模型中，获取所述服务器当前的负载参数。本发明方法有效提升负载预测准确。

公开(公告)号：CN119152360A

公开(公告)日：2024-12-17

申请号：CN202411093095.6

申请日：2024-08-09

Applicant: 山东大学

Inventor： 许振浩 ,  马文 ,  于东晓 ,  郑艳伟 ,  赵新鹏 ,  王旭龙 ,  林鹏 ,  李术才

IPC: G06V20/10 ,  G06V10/20 ,  G06V10/44 ,  G06V10/54 ,  G06V10/56 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种多模态岩性识别方法及系统，所述方法包括以下步骤：获取岩样图像和岩石介观图像；对获取的图像进行预处理，将经过预处理后的岩样图像和岩石介观图像输入到训练好的融合模型中进行实时识别；融合模型输出岩性识别结果，根据识别结果命名图像；本发明通过建立基于深度学习的融合模型对围岩岩性进行识别，该融合模型能够将岩样图像的颜色、纹理和形状等特征与岩石介观图像的晶体结构、孔隙分布和颗粒大小等特征进行融合，对应岩性关系形成映射，从而达到自动识别的目的，深度学习的岩性智能识别方法识别速度快、成本低、准确度高、自动化程度高，降低了对施工人员的专业知识和鉴别经验的要求。

公开(公告)号：CN119473816A

公开(公告)日：2025-02-18

申请号：CN202411556463.6

申请日：2024-11-04

Applicant: 贵州白山云科技股份有限公司 ,  山东大学

Inventor： 霍涛 ,  邹逸飞 ,  于东晓 ,  齐森茂 ,  王旭龙 ,  林光政 ,  凌一宏

IPC: G06F11/34 ,  G06F18/23 ,  G06F18/27 ,  G06N20/20 ,  G06N5/01

Abstract: 本发明属于云计算技术领域，具体涉及一种服务器设备负载的实时预测方法。所述方法包括：采集服务器过去一段时间内的设备参数序列，并将所述设备参数序列划分为样本序列和标签序列；对所述样本序列和所述标签序列进行预处理；对预处理后的样本序列，根据业务信息对每个覆盖做聚类，使得相似的覆盖聚为一类，并引入时间戳，获得最终的样本序列；采用随机森林回归算法建立随机森林回归预测模型；将所述最终的样本序列、所述标签序列输入至所述随机森林回归预测模型进行训练，获得训练好的实时预测模型；将所述服务器当前时间段的设备参数序列输入至所述训练好的实时预测模型中，获取所述服务器当前的负载参数。本发明方法有效提升负载预测准确。