-
公开(公告)号：CN119964100A
公开(公告)日：2025-05-09
申请号：CN202510015832.9
申请日：2025-01-06
Applicant: 河海大学
IPC: G06V20/54 , G06V20/70 , G06V10/20 , G06V10/30 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/60 , G06V10/72 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种基于公交车涉水图像和改进YOLOv8算法的夜间洪水场景水位等级自动估计方法，具体步骤为：获取收据库；对收集到的数据进行预处理；对符合要求的夜间洪水场景图像采用图片数据增强策略；用Labelimg对所有图像进行标注且保存为YOLO格式文件；选取适当的YOLOv8模型进行改进优化；设置合理的训练参数，使用改进后的网格结构对构建的综合数据集进行训练；运用训练好的最优权重文件进行城市洪水水位识别估计。本发明通过社交媒体大数据和改进YOLOv8算法实现了低成本、快速检测、高准确性的城市洪水水位自动估计同时提高了模型在夜间场景中的检测性能，为夜间城市交通系统的实时洪水风险评估和应急管理提供了可靠技术支撑，具有重要的应用潜力。
-
公开(公告)号：CN118395731B
公开(公告)日：2024-10-29
申请号：CN202410640345.7
申请日：2024-05-22
Applicant: 河海大学 , 福建省水利水电勘测设计研究院有限公司
Abstract: 本发明公开了一种融合分布式动态蓄积与路径水流演进的城市积水二维快速模拟方法，包括如下步骤，S1、基础数据收集及处理；S2、城市积水二维快速模拟方法构建；S3、城市积水淹没二维模型与河道及管网模型集成；S4、城市雨洪时空过程快速模拟及风险分析。优点是：实现了城市地表二维积水过程快速精细模拟，满足城市内涝精细模拟仿真、实时预警预报、快速情景推演等“四预”要求，也可服务于防洪排涝规划设计。
-
公开(公告)号：CN117783461A
公开(公告)日：2024-03-29
申请号：CN202311807401.3
申请日：2023-12-26
Applicant: 河海大学
Abstract: 本发明公开了一种泥沙在线测量装置及其测量方法，装置包括悬测装置、控制器、电源、支架，悬测装置包含N个(N≥1)悬测传感器，每个悬测传感器由金属球、吊绳、测力传感器、悬吊装置组成，测力传感器上还固定有倾角传感器。本发明通过在河流中悬挂带有吊绳的金属测量圆球，通过测力传感器与倾角传感器可实时测量吊绳上的拉力及吊绳的倾角(相对竖直方向)，进而可以得到圆球在竖直方向的浮力与水平方向的河流粘滞阻力的大小，最终实现了测量点泥沙含量与水流流速的同步在线测量。整个装置具有使用方便、适用范围广等优点，尤其适合应用于河流水质泥沙在线监测等。
-
公开(公告)号：CN115259268B
公开(公告)日：2023-11-17
申请号：CN202210772192.2
申请日：2022-07-02
Applicant: 河海大学
IPC: C02F1/14 , C02F1/08 , B01D1/22 , C02F103/08
Abstract: 本发明公开了一种基于三明治结构薄膜的蒸发器及其制备方法和应用，该蒸发器的制备方法包括：利用HF和Ti3AlC2制备MXene；配制两份MXene溶液和一份GO溶液，将一份MXene溶液倒入配置有PVDF膜的真空过滤装置中，抽滤，再倒入GO溶液，抽滤，再倒入另一份MXene溶液，抽滤，得到MXene‑GO‑MXene@PVDF膜；将疏水剂涂抹于MXene‑GO‑MXene@PVDF膜的背面，得到MXene‑GO‑MXene@PVDF/SA膜；将MXene‑GO‑MXene@PVDF/SA膜与包裹有脱脂棉的聚乙烯泡沫相结合，得到蒸发器；该蒸发器能够提高海水蒸发效率，且能够实现全天候海水淡化。
-
公开(公告)号：CN114970315B
公开(公告)日：2023-08-04
申请号：CN202210410890.8
申请日：2022-04-19
Applicant: 河海大学 , 南京澜澈水利科技有限公司
IPC: G06F30/27 , G06F30/28 , G06F30/23 , G06Q10/04 , G06Q50/26 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于空间动力特征深度学习的城市积水模拟和快速预测方法，包括城市积水和多因子历史数据获取、数据处理及多维特征因子表征、基于深度学习的积水空间分布场模拟、用于指导交通出行的实时风险预测；针对当前物理过程模型与机器学习模型(或数据驱动模型)的应用缺点，结合城市洪涝积水的机理逻辑，提出城市微地形条件下影响积水的空间动力特征表征方法，提出“时序动态‑空间静态”异构数据驱动下的全域空间并行学习训练策略，建立基于深度学习的城市积水快速预测模型，实现道路级积水二维实时预测和风险预警。优点是：可满足国内城市洪涝积水实时预测和预警需要，并可根据实时监测数据进行滚动预测和预警。
-
Patent Agency Ranking
公开(公告)号：CN115291304B
公开(公告)日：2023-06-16
申请号：CN202210929960.0
申请日：2022-08-03
Applicant: 河海大学
Abstract: 本发明提供一种全向天线轴辐式微波密集降雨监测网络部署方法，包括如下步骤：S1、获取地区基本信息：S2、构建雨区的降雨分割区：S3、确定信号接收设备的位置和数量S4、选择最佳监测网络：确定多个方案，以总成本、全覆盖区域面积、降雨反演效果因素为评价标准，建立监测网络评价体系，根据监测网络评价体系计算得分，得分最高的为最佳监测网络。本发明根据一个地区的地理环境与降雨情况合理规划微波链路网络，在提高微波降雨监测网络的捕捉区域降雨分布能力的同时，能够以更低的设备布设成本实现区域监测网络的全覆盖。
-
公开(公告)号：CN114692692B
公开(公告)日：2023-05-12
申请号：CN202210351621.9
申请日：2022-04-02
Applicant: 河海大学
IPC: G06F18/10 , G06F18/24 , G06F18/214 , G06F18/2413 , G06N3/086
Abstract: 本发明公开了一种基于微波衰减信号融合核极限学习机的降雪识别方法，包括以下步骤：(1)计算原始微波衰减信号强度并对信号进行预处理，通过自适应集成经验模态分解方法获取降雪衰减信号数据；(2)设定核极限学习机模型的输出数据训练信息；(3)构建核极限学习机模型；(4)通过差分演化算法对核极限学习机的参数进行优化，得到最优核极限学习机模型；(5)通过测试集的输入数据，输出对应的信息，得到测试集数据对应的降雪强度信息。本发明利用无线微波通信链路覆盖范围广、反演效果好等特点，采用改进的极限学习机算法，训练结果精度较高，提升了降雪监测手段，实现对降雪强度的大范围监测，能够精确高效地识别出降雪强度。
-
公开(公告)号：CN114970340B
公开(公告)日：2023-05-05
申请号：CN202210550644.2
申请日：2022-05-18
Applicant: 河海大学 , 南京澜澈水利科技有限公司
IPC: G06F30/27 , G06F16/29 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q10/0635 , G06Q50/26
Abstract: 本发明公开了一种非完全信息下的商用微波反演降雨驱动的城市道路积水模拟预测替代方法，包括如下步骤，S1、替代数据挖掘与获取；S2、替代数据处理与表征；S3、基于GRU深度学习算法的路网积水模拟；S4、城市路网积水风险实时预测。优点是：大幅提升了城市洪涝积水模拟预测的时空分辨率和精细化水平，模拟预测时空分辨率达到分钟级和街道级，训练好的模型实时预测计算时间达到秒级，实现城市高密度路网积水过程的快速精细推演和实时预测。区别于传统的物理过程模型和数据驱动模型，可逐10分钟对道路积水预测、并发布交通出行风险图，有效支撑城市洪涝积水“预报、预警、预演、预案”，保障人民生命财产和社会经济安全。
-
公开(公告)号：CN115795834A
公开(公告)日：2023-03-14
申请号：CN202211448364.7
申请日：2022-11-18
Applicant: 河海大学
Abstract: 本发明公开了一种基于微波链路的降雨估测方法，所述方法包括：通过微波链路获取衰减数据；采用前处理方法对衰减数据进行处理，得到雨致衰减；将雨致衰减输入预先建立的降雨反演模型，得到估测地的降雨强度。本发明首次公开了适用于微波链路的本地化降雨物理反演模型，解决了现有方法无法反映地区气候差异的缺陷，提高了降雨估测结果的精度；本发明提出模型属于半经验、半物理模型，与机器学习模型相比，对本地历史降雨资料的需求较少；本发明完美解决了现有物理模型不适用于短链路的情况，提高了微波链路测雨技术的适用性。
-
公开(公告)号：CN114970315A
公开(公告)日：2022-08-30
申请号：CN202210410890.8
申请日：2022-04-19
Applicant: 河海大学 , 南京澜澈水利科技有限公司
IPC: G06F30/27 , G06F30/28 , G06F30/23 , G06Q10/04 , G06Q50/26 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于空间动力特征深度学习的城市积水模拟和快速预测方法，包括城市积水和多因子历史数据获取、数据处理及多维特征因子表征、基于深度学习的积水空间分布场模拟、用于指导交通出行的实时风险预测；针对当前物理过程模型与机器学习模型(或数据驱动模型)的应用缺点，结合城市洪涝积水的机理逻辑，提出城市微地形条件下影响积水的空间动力特征表征方法，提出“时序动态‑空间静态”异构数据驱动下的全域空间并行学习训练策略，建立基于深度学习的城市积水快速预测模型，实现道路级积水二维实时预测和风险预警。优点是：可满足国内城市洪涝积水实时预测和预警需要，并可根据实时监测数据进行滚动预测和预警。
-
-
-
-
-
-
-
-
-
Search Results
178
records
(took 0.035 seconds)
