公开(公告)号：CN114021282A

公开(公告)日：2022-02-08

申请号：CN202111326750.4

申请日：2021-11-10

Applicant: 广东粤海珠三角供水有限公司 ,  同济大学

Inventor： 王志云 ,  杜庆峰 ,  薛广文 ,  张双俐 ,  李晓军 ,  赵思成

IPC: G06F30/17 ,  G06F30/27 ,  G06F119/02

Abstract: 本发明公开了一种融合多元神经网络结构的盾构机掘进参数预测方法，具有这样的特征，包括以下步骤：步骤1，对时序掘进参数数据和非时序地质条件数据分别进行预处理，得到预处理后的时序掘进参数数据和预处理后的非时序地质条件数据；步骤2，将预处理后的时序掘进参数数据和预处理后的非时序地质条件数据输入预测模型，运用预测模型对下一时刻的目标掘进参数进行预测与评估。其中，步骤1中，预处理采用多重插补法和移动平均法；步骤2中，预测模型包括多层感知器神经网络结构和循环神经网络结构。多层感知器神经网络结构用于处理非时序地质条件数据，循环神经网络结构用于处理时序掘进参数数据。

公开(公告)号：CN113935545A

公开(公告)日：2022-01-14

申请号：CN202111326755.7

申请日：2021-11-10

Applicant: 广东粤海珠三角供水有限公司 ,  同济大学

Inventor： 张双俐 ,  周耀强 ,  杜庆峰 ,  谢伟杰 ,  李晓军 ,  赵思成

IPC: G06Q10/04 ,  G06K9/62 ,  G06N3/12 ,  G06F30/27 ,  E21D9/06 ,  G06F119/14

Abstract: 本发明公开了一种基于多影响因素的泥水盾构泥水仓压力预测方法，包括以下步骤：步骤1，获取泥水盾构PLC系统采集的数据；步骤2，进行泥水仓压力影响因素分析，得到影响因素；步骤3，根据影响因素对数据进行清洗、特征提取和样本划分，得到训练集数据和测试集数据；步骤4，基于训练集数据，采用遗传算法结合K折交叉验证优化神经网络拓扑结构，得到最优网络拓扑结构信息并构建最优模型；步骤5，基于训练集数据对最优模型进行训练，得到拟合模型，并基于测试集数据对拟合模型进行评估，若未达标则重复步骤4～5，直至模型预测效果达标；步骤6，使用达标的模型对下一时刻的泥水仓压力进行预测，对预测值是否处于合适的范围进行分析并给出反馈信息。

公开(公告)号：CN114036454A

公开(公告)日：2022-02-11

申请号：CN202111328376.1

申请日：2021-11-10

Applicant: 广东粤海珠三角供水有限公司 ,  同济大学

Inventor： 陈平旋 ,  杜庆峰 ,  金军 ,  张双俐 ,  李晓军 ,  赵思成

IPC: G06F17/14 ,  G06F17/18

Abstract: 本发明提供一种基于小波变换的TBM掘进参数时序数据阈值去噪方法，用于对掘进参数时序数据进行去噪处理，其特征在于，包括以下步骤：步骤S1，确定掘进参数，并采集与掘进参数相对应的含噪的时序数据。步骤S2，将含噪的时序数据按照正交小波函数进行小波分解，得到多层小波变换系数。步骤S3，利用软阈值函数对每一层高频系数进行非线性阈值处理，得到处理后的高频系数。步骤S4，利用通用阈值规则选取法对处理后的高频系数进行选取，得到选取后的高频系数。步骤S5，对低频系数和选取后的高频系数进行重构，得到去噪后的时序数据。本发明利用小波变换对时序数据进行处理并利用阈值选取进行去噪，计算量小、分析效率高，满足在线数据实时分析任务的需求。

公开(公告)号：CN113987715A

公开(公告)日：2022-01-28

申请号：CN202111328348.X

申请日：2021-11-10

Applicant: 广东粤海珠三角供水有限公司 ,  同济大学

Inventor： 李旭辉 ,  杜庆峰 ,  何调林 ,  张双俐 ,  李晓军 ,  赵思成

IPC: G06F30/17 ,  G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征分组与集成神经网络的盾构机掘进参数预测方法，具有这样的特征，包括以下步骤：步骤1，获取泥水盾构PLC系统采集的数据，并对其进行预处理；步骤2，基于预处理后的数据，采用预定分析方法进行特征重要性分析；步骤3，根据特征重要性分析的结果，设定分组大小并对特征进行分组，并将预处理后的数据按照一定比例划分成训练集数据和测试集数据；步骤4，将每个分组对应的数据分别输入不同的神经网络结构中，并将多个神经网络结构的输出作为一个多元线性回归模型的输入，基于训练集数据对整个多元线性回归模型进行训练，得到参数预测模型；步骤5，在测试集数据上进行参数预测模型的评估。

公开(公告)号：CN111190873A

公开(公告)日：2020-05-22

申请号：CN201911350953.X

申请日：2019-12-24

Applicant: 同济大学

Inventor： 杜庆峰 ,  赵亮 ,  张双俐 ,  韩永琦 ,  徐锦程 ,  殷康璘 ,  邱娟

IPC: G06F16/18 ,  G06F16/182 ,  G06F16/36 ,  G06F40/284 ,  G06F40/30

Abstract: 本发明涉及一种用于云原生系统日志训练的日志模式提取方法及系统，填补了云原生系统中大量日志有效地抽取为含有语义的词向量日志模式的空白，方法步骤包括：基于云原生系统日志构建领域内的日志单词近反义词词典和领域内的日志变量知识表达；基于领域内日志变量知识和通用规则，对日志进行预处理；基于领域内近反义词词典，对日志中单词进行基于语义的向量化；构建一颗定深日志模式提取树，对该树内部的匹配或处理节点进行定义；对每一条日志进行分析抽取，对抽取的日志模式和对应的日志行ID进行存储，抽取的日志模式是含有语义的词向量数组。本方法的输出结果可以应用于云原生系统中日志分析、故障检测模型的训练及日志的画像构建等。

公开(公告)号：CN104063406B

公开(公告)日：2017-10-27

申请号：CN201310097792.4

申请日：2013-03-18

Applicant: 同济大学

Inventor： 杜庆峰 ,  赵亚男 ,  许家伟

IPC: G06F17/30

Abstract: 本发明涉及一种基于时态的SVG格式GIS数据快速比对方法，包括以下步骤：定义为节点集元素；定义倒装解析结构树的标号规则；将两个不同时间戳的SVG格式GIS数据根据所述标号规则生成对应的倒装解析结构树，并将其转换成以所述节点集元素为单元的两个比对数组，生成匹配节点集元素集合；基于所述匹配节点集元素集合，依次遍历两个时间戳的倒装解析结构树，在比对结果的差异脚本文件中添加delete操作或insert操作，保存最终获取的差异脚本文件，完成比对。与现有技术相比，本发明具有匹配过程短、时间复杂度低、效率高等优点。

公开(公告)号：CN119885136A

公开(公告)日：2025-04-25

申请号：CN202411968322.5

申请日：2024-12-30

Applicant: 同济大学

Inventor： 杜庆峰 ,  李圣

IPC: G06F21/32 ,  G06V40/70 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G10L15/02 ,  G10L15/16

Abstract: 本发明涉及一种基于注意力机制的多模态身份验证方法，包括：S1、采集多模态数据，包括人脸图像数据、指纹图像数据和声纹音频数据；S2、对于每个模态，构建对应的第一特征提取模型，对第一特征提取模型裁剪得到第二特征提取模型，采用第一特征提取模型对第二特征提取模型进行知识蒸馏训练，得到第三特征提取模型；S3、采用基于注意力机制的多模态特征融合模型对所有第三特征提取模型提取出的特征进行加权求和，得到融合特征；S4、计算待验证身份的融合特征与预先录入数据库中对应身份的融合特征之间的相似度，当相似度大于预测决策阈值时，则身份验证通过，否则身份验证不通过。与现有技术相比，本发明具有特征提取高效、可靠性高的优点。

公开(公告)号：CN113762360B

公开(公告)日：2024-03-29

申请号：CN202110960161.5

申请日：2021-08-20

Applicant: 同济大学

Inventor： 杜庆峰 ,  李晓军 ,  张双俐 ,  徐锦程

IPC: G06F18/2413 ,  G06F18/2431 ,  G06F18/214 ,  G06N20/00

Abstract: 本发明涉及一种基于SMOTE+ADACOST算法的TBM掘进过程中的围岩等级预测方法，包括步骤：1)获取TBM掘进参数数据和各个桩号的围岩等级数据；2)数据清洗、特征提取及围岩等级标注处理，作为机器学习模型的输入；3)样本不均衡处理；4)利用K折交叉验证选择机器学习模型的最优模型参数；5)进行模型训练、评估与比对，获取用于围岩等级预测的机器学习模型，并设置比对模型对该模型的预测效果进行比对验证；6)采用训练好的模型进行围岩等级预测并对软弱围岩进行预警。与现有技术相比，本发明具有预测模型预测准确率高，训练速度快，适用于TBM盾构过程中的围岩等级预测等优点。

公开(公告)号：CN116152196A

公开(公告)日：2023-05-23

申请号：CN202310141044.5

申请日：2023-02-20

Applicant: 同济大学

Inventor： 杜庆峰 ,  石晓楠 ,  张双俐

IPC: G06T7/00 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0499 ,  G06N3/0895

Abstract: 本发明涉及一种基于云平台时间序列编码图像的异常检测方法及装置，其中方法包括：获取云平台运维数据；将云平台运维数据的时间序列分别编码为格拉姆角和场、格拉姆角差场和马尔可夫迁移场，并将其拼接为一个三通道图像；搭建综合Attention机制的Encoder/Decoder‑CNN重建模型，对三通道图像进行特征提取，输出重建后的时间序列编码图像；基于重建后的时间序列编码图像和输入的三通道图像计算异常分数；判断异常分数是否超过预配置的阈值，若是，则判定时间序列异常。与现有技术相比，本发明具有能够实现复杂长时间序列的高效、高精度异常检测等优点。

公开(公告)号：CN113762360A

公开(公告)日：2021-12-07

申请号：CN202110960161.5

申请日：2021-08-20

Applicant: 同济大学

Inventor： 杜庆峰 ,  李晓军 ,  张双俐 ,  徐锦程

IPC: G06K9/62 ,  G06N20/00

Abstract: 本发明涉及一种基于SMOTE+ADACOST算法的TBM掘进过程中的围岩等级预测方法，包括步骤：1)获取TBM掘进参数数据和各个桩号的围岩等级数据；2)数据清洗、特征提取及围岩等级标注处理，作为机器学习模型的输入；3)样本不均衡处理；4)利用K折交叉验证选择机器学习模型的最优模型参数；5)进行模型训练、评估与比对，获取用于围岩等级预测的机器学习模型，并设置比对模型对该模型的预测效果进行比对验证；6)采用训练好的模型进行围岩等级预测并对软弱围岩进行预警。与现有技术相比，本发明具有预测模型预测准确率高，训练速度快，适用于TBM盾构过程中的围岩等级预测等优点。