-
公开(公告)号：CN107907914B
公开(公告)日：2023-10-20
申请号：CN201711434898.3
申请日：2017-12-26
Applicant: 杭州电子科技大学
IPC: G01V3/40
Abstract: 本发明涉及一种真地理三分量磁力仪的测量电路。本发明包括电源电路、传感器信号采集电路、主控电路、串口姿态测量电路、RTC时钟电路、数据传输电路、SD卡存储电路、文件管理电路、对外接口电路。其中传感器信号采集电路包括数模转换电路、X轴、Y轴、Z轴三个模拟信号加法电路。本发明采用英国Bartington公司的磁通门传感器，结合了磁通门传感器的高灵敏度、高分辨率、低功耗等特性，通过加入串口姿态测量模块，基于测量电路的设计，实现了真实地理环境下地磁场三分量的测量。
-
公开(公告)号：CN114895667A
公开(公告)日：2022-08-12
申请号：CN202210388845.7
申请日：2022-04-13
Applicant: 杭州电子科技大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于多种群双层优化算法的危险品运输路径规划方法。为了克服危化品运输路径规划求解计算困难的问题；本发明采用包括以下步骤：获取实时路况及城市人口密度信息，根据时变路况与不确定人口密度信息建立危险品路径规划模型；将运输路径和车辆速度分别作为规划目标，构建一个并行双层结构，并分别进行初始化；对初始化后的并行双层结构使用两个种群求解，其中1号种群使用量子粒子群算法更新公式更新路径点概率矩阵PR，求解最优路径，2号种群使用粒子群算法更新公式更新速度选择概率矩阵PV。优点是通过并行双层结构使用两个种群求解，降低计算难度，在保证算法收敛快速的同时保证种群的多样性和稳定性。
-
公开(公告)号：CN114818447A
公开(公告)日：2022-07-29
申请号：CN202210276931.9
申请日：2022-03-21
Applicant: 杭州电子科技大学
IPC: G06F30/25 , G06Q10/06 , G06Q50/06 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种油气集输管网布局多目标设计优化方法，包括以下步骤：S1：获取基础数据；S2：根据基础数据分析油气管道在潜在事故下的运输风险；S3：构建多目标油气集输管网布局优化模型；S4：对多目标油气集输管网布局优化模型进行求解，输出油气集输管网布局方案。本发明将油气集输管网的布局问题考虑在内，在满足所有给定的约束条件的背景下，分析油田区域内管道泄漏等事故造成的风险影响，将管网系统建设的总成本和潜在管道运输风险最小化，构建相关模型并通过优化算法求得油气集输管网布局方案。
-
公开(公告)号：CN112765141A
公开(公告)日：2021-05-07
申请号：CN202110040587.9
申请日：2021-01-13
Applicant: 杭州电子科技大学
IPC: G06F16/215 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于迁移学习的连续大规模水质缺失数据填补方法。本发明首先进行数据预处理，并利用滑动窗口算法构造出训练和测试样本。然后进行数据填补：具体是将目标域的训练样本和源域的训练样本融合成为新的混合训练样本集；每次迭代中，分别构造一个新的填补数据的弱学习器；在新混合的训练样本上计算平均预测填补误差；分别计算源域的训练样本和目标域的训练样本的权重迭代更新系数；更新下一时刻源域和目标域训练样本新的权重；将所有弱学习器的输出值进行加权平均即可得到一个强学习器的最终预测填补数值。本发明在处理大规模连续缺失数据问题中有近15%‑25%填补准确率的提升。
-
公开(公告)号：CN109635914B
公开(公告)日：2020-05-15
申请号：CN201811541448.9
申请日：2018-12-17
Applicant: 杭州电子科技大学
IPC: G06N3/00 , G06N3/12 , G06Q10/04 , G06F16/215
Abstract: 本发明公开了一种基于混合智能遗传粒子群的优化极限学习机轨迹预测方法。传统的神经网络算法存在训练时间较长、容易陷入局部最优解、参数选择敏感等缺点，而极限学习机（ELM）神经网络具有训练速度快、泛化能力强等优点，故选择ELM神经网络做预测。由于传统的ELM存在小数据集泛化性能较差的问题，优化极限学习机（OELM）克服了该缺点，但由于受到输入权值和隐藏层节点阈值随机赋值的影响，在预测过程中往往无法达到最优结果。故采用混合智能遗传粒子群算法（HGPSO）动态寻优找出OELM模型最佳的参数组，针对模型建立的随机性进行改进，使它只需要较少的隐藏层神经元数目就能达到较好的预测性能，提高了网络的泛化性。
-
Patent Agency Ranking
公开(公告)号：CN110163449B
公开(公告)日：2021-07-09
申请号：CN201910466486.0
申请日：2019-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于主动时空图卷积的机动车排污监测节点部署方法，利用已部署节点监测数据、城市交通路网特征以及交通流量数据等去预测城市范围内全局的机动车尾气浓度时空分布及其不确定性指标，然后以预测预测不确定性指标以及各条未布点路段与已布设节点路段固有特征差异性来联合优化选择新的地点建立机动车尾气排放监测节点。本发明在已部署监测节点的情况下能够找到最合适的位置去布设监测节点，以至于最大限度地提高尾气排放分布预测的准确性，适用于多阶段施工场景。
-
公开(公告)号：CN109948715B
公开(公告)日：2021-07-02
申请号：CN201910225758.8
申请日：2019-03-22
Applicant: 杭州电子科技大学
IPC: G06K9/62 , G06F30/27 , G06F111/04
Abstract: 本发明公开了一种水质监测数据缺失值填补方法。本发明把水质监测站的水质监测数据看成一个数据集，这个数据集包含正常水质数据和缺失的水质数据，然后使用改进的OCS‑FCM算法对对数据集中的缺失数据进行求解，主要表现为不断迭代更新隶属度矩阵，直到达到预设的迭代次数，停止迭代。最后，将求解的缺失数据填补到原始数据集中，得到不含缺失数据的完整数据集。本发明方法克服了传统FCM算法在隶属度矩阵参数选择困难的缺点，采用的实时更新隶属度矩阵的方法，实现了缺失数据填补正确率的提高，尤其是在大缺失率数据集的情况下。
-
公开(公告)号：CN112329667A
公开(公告)日：2021-02-05
申请号：CN202011252584.3
申请日：2020-11-11
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于经验小波变换和多尺度熵的水质数据清洗方法。本发明通过快速傅里叶变换对原始数据的频谱进行自适应分段之后，经验小波变换将带有噪声的原始数据分解为不同的内在模式函数IMF。根据整个IMF的不同特性，将基于多尺度熵的自适应可调参数引入阈值函数中，以提高噪声去除的性能。最后，过滤整个IMF上的点的高频噪声，本发明包含更多有效数据幅度和更少噪声保留。更加适用于时序数据清洗并在合成模拟数据和现场水质数据的去除噪声的精度上取得了较好的效果。
-
公开(公告)号：CN110533238A
公开(公告)日：2019-12-03
申请号：CN201910776617.5
申请日：2019-08-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种二型模糊环境下的危化品车辆路径规划方法。本发明步骤是针对运输风险的不确定性，定义了危化品运输车辆路径规划模型。目标是确定风险最小化的运输路线。由于人员的流动性，本发明在传统运输风险模型的基础上引入了二型模糊变量，根据置信度方法构建了机会约束模型以及其对应的等价确定型。针对模型特性，设计了一种模拟退火算法。提出的SAA以一定的概率来接受一个比当前解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。本发明方法具有开放性、灵活性以及计算复杂度低等特点。
-
公开(公告)号：CN109492830A
公开(公告)日：2019-03-19
申请号：CN201811541300.5
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于深度学习的移动污染源排放浓度预测方法，本发明根据移动污染源污染物的区域时空分布特点，提出基于注意力机制的卷积长短期记忆神经网络预测方法。首先，通过分析站点之间的Granger因果关系并开发超参数高斯向量权重函数以确定空间自相关变量作为输入特征的一部分。其次，使用卷积神经网络来提取LSTM网络使用的数据的时空间特征，同时注意力模型分别用于加权特征图和通道以增强特征的有效性。最后，基于深度LSTM的时间序列预测器，用于学习大气污染物浓度的长期和短期依赖性。本发明从历史大气污染物数据中提取固有的有用特征，并将辅助数据纳入所提出的模型中以提高性能，从而浓度预测方法。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.032 seconds)
