公开(公告)号：CN118488468A

公开(公告)日：2024-08-13

申请号：CN202410602761.8

申请日：2024-05-15

Applicant: 桂林电子科技大学

Inventor： 周胜源 ,  张艳双 ,  姚荣彬 ,  顾昌彪 ,  李冬连

IPC: H04W24/02 ,  H04W28/08 ,  H04W4/40 ,  H04W4/70

Abstract: 针对移动边缘计算中无人机系统能耗最小化问题，本发明提出一种网络切片辅助的基于H‑NOMA无人机通信的任务传输与卸载的资源优化方案。首先，在卸载计算任务数、用户智能移动设备的CPU周期频率、无人机轨迹调度等因素约束下，以最小化加权能耗为目标；其次，设计一种分阶段资源优化算法，将原问题分为两阶段更易于处理的子问题并转化为凸优化问题；最后，通过迭代可得到原目标问题的近似最优解。仿真结果表明，本发明在能耗效率方面比基准方案正交多址系统具有明显的优势，加权总能耗与基准方案相比减少了约1/4，且在大规模多任务、多用户应用场景下表现出更大优势。

公开(公告)号：CN119537826A

公开(公告)日：2025-02-28

申请号：CN202411433528.8

申请日：2024-10-15

Applicant: 桂林电子科技大学

Inventor： 顾昌彪 ,  周胜源 ,  李晓欢 ,  姚荣彬 ,  张艳双 ,  李冬连

IPC: G06F18/20 ,  G06F18/214 ,  G06F18/21 ,  G06F18/243 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08 ,  G06N20/20 ,  G06N5/01

Abstract: 本发明涉及地质位移预测技术领域，具体涉及一种基于CNN_BiLSTM‑XGB的滑坡位移预测方法，首先采用SSA‑VMD分解法将滑坡位移序列分解为周期项、随机项和趋势项，采用灰色关联度选择合适的影响因子作为输入变量，提出一种基于CNN_BiLSTM‑XGB的组合模型对周期项和随机项位移进行预测，采用集成学习的方法结合CNN_BiLSTM和XGB，利用SSA对组合模型参数进行寻优，简化了参数调整过程，避免了主观因素的影响，提高了模型预测效率。采用二次指数平均法对趋势项位移进行预测，最后采用时间序列理论模型求得滑坡位移预测序列。组合模型能够更充分地提取滑坡位移数据的特征，有效解决深度学习模型中单一模型的预测性能和泛化能力不足的问题，确保预测效率的同时提升模型的预测精度和泛化能力。