-
公开(公告)号：CN110378065B
公开(公告)日：2022-08-30
申请号：CN201910687320.1
申请日：2019-07-29
摘要： 本发明公开了一种基于常参数的大变形板非线性振动信号相空间重构方法，包括以下步骤：（1）通过传感器采集大变形板一维振动信号；（2）对采集的振动信号进行前处理，包括降噪、归一化等措施，得到规范化的大变形板非线性振动信号；（3）选取相空间重构允许的最小嵌入维和最短时间延迟，作为大变形板一维振动信号的相空间重构参数；（4）采用所设常参数对大变形板一维振动信号进行相空间重构，得到重构相空间；（5）选取旋转角对其进行旋转变换，得到重构相空间S。本发明采用常参数对大变形板非线性振动信号进行相空间重构，无需确定最优嵌入维数、最优时间延迟，提高了重构效率和准确性。
-
公开(公告)号：CN110411387B
公开(公告)日：2021-06-22
申请号：CN201910700429.4
申请日：2019-07-31
申请人： 河海大学
IPC分类号： G01B21/00
摘要： 本发明公开了一种基于频率的梁式结构附加质量初步定位方法，步骤包括：量测梁式结构前M(M≥5)阶附加质量前后的自然频率，计算频率相对变化率，并将其归一化；计算附加质量引起的梁式结构频率特征曲线；根据归一化的频率相对变化率和频率特征曲线，计算前M阶单阶附加质量位置指标，并将其融合得到整体附加质量位置指标；根据整体附加质量位置指标峰值出现的位置初步定位附加质量。本发明可用于分析梁式结构附加质量前后的自然频率，进而实现附加质量的初步定位。
-
公开(公告)号：CN111091100A
公开(公告)日：2020-05-01
申请号：CN201911331743.6
申请日：2019-12-21
申请人： 河海大学
摘要： 本发明公开了一种基于复杂噪声图像深度学习的混凝土裂缝识别方法，涉及图像识别技术领域。首先，通过迁移学习获得裂缝类型识别网络与裂缝位置识别网络；随后，采用综合滤波方法对训练集的图像进行预处理，将多种背景转化为只含有裂缝的二值化图像，极大地削弱了噪声影响且增加了该本发明的通用性；最终，分别利用含有正常和严重背景噪声的裂缝图像测试有、无图像预处理优化的裂缝类型识别网络和裂缝位置识别网络。本发明能够在多种噪声影响下以较高精度对图像进行裂缝识别，包括对裂缝的类型和位置的识别。
-
公开(公告)号：CN110378065A
公开(公告)日：2019-10-25
申请号：CN201910687320.1
申请日：2019-07-29
申请人： 河海大学
摘要： 本发明公开了一种基于常参数的大变形板非线性振动信号相空间重构方法，包括以下步骤：（1）通过传感器采集大变形板一维振动信号；（2）对采集的振动信号进行前处理，包括降噪、归一化等措施，得到规范化的大变形板非线性振动信号；（3）选取相空间重构允许的最小嵌入维和最短时间延迟，作为大变形板一维振动信号的相空间重构参数；（4）采用所设常参数对大变形板一维振动信号进行相空间重构，得到重构相空间；（5）选取旋转角对其进行旋转变换，得到重构相空间S。本发明采用常参数对大变形板非线性振动信号进行相空间重构，无需确定最优嵌入维数、最优时间延迟，提高了重构效率和准确性。
-
公开(公告)号：CN109711617B
公开(公告)日：2022-08-19
申请号：CN201811590914.2
申请日：2018-12-25
申请人： 河海大学
IPC分类号： G06Q10/04
摘要： 本发明公开一种基于BLSTM深度学习的中长期径流预测方法，包括如下步骤：步骤1，获取某流域逐月降雨及径流资料，对数据进行归一化处理；步骤2，确定率定期及验证期；步骤3，对率定期的逐月降雨及径流资料进行训练，构建基于BLSTM的径流预测模型；步骤4，输入验证期逐月降雨资料，利用步骤3中训练好的模型进行径流量的预测，以Nash效率系数NSE作为检验标准，验证合理性；步骤5，输入未来预报阶段的逐月降雨预报数据，预测径流量，并将结果作反归一化处理，得到中长期径流预测结果。此种方法从数据自身出发，不仅能够考虑过去的信息，也能考虑未来的信息，相比于现行的神经网络径流预测方法，能够提高径流预测精度。
-
公开(公告)号：CN110702786A
公开(公告)日：2020-01-17
申请号：CN201910938918.3
申请日：2019-09-30
申请人： 河海大学
摘要： 本发明公开了一种基于多尺度奇异吸引子预测误差的梁结构损伤识别方法，该方法具体包括以下步骤：通过传感器系统采集梁结构的加速度响应数据；采用软阈值法对加速度数据进行去噪；对去噪信号实施平稳离散小波分解，得到无降采样的多尺度子信号；应用相空间重构理论对多尺度子信号进行相空间重构，得到多尺度重构吸引子MRA，并对其进行归一化处理，得到MRAN；计算多尺度奇异吸引子预测误差PE，据其判断梁结构的健康状态，并识别其损伤程度。本发明建立的多尺度奇异吸引子预测误差法，突破了激励形式的限制，同时具有损伤敏感性强、识别准确度高的特点，仅采用单点加速度数据即可准确识别梁结构的损伤程度。
-
-
公开(公告)号：CN116385589A
公开(公告)日：2023-07-04
申请号：CN202310361811.3
申请日：2023-04-06
摘要： 本发明公开一种基于广义地形指数的蓄水容量及蓄满产流空间分布描述方法，包括以下主要步骤：提取目标流域的数字高程模型；计算流域单元网格地形指数；计算流域单元网格广义地形指数；建立单元网格土壤蓄水容量与广义地形指数之间的数学关系；构建基于广义地形指数的蓄水容量分布曲线，对流域土壤蓄水容量空间分布不均匀性进行刻画，在此基础上进行蓄满产流计算，从而获得流域蓄水容量及产流的时空分布。本发明引入地形信息，具有一定的物理基础，能够较好地反映流域下垫面不均对产流的影响，具有描述关键水文要素空间分布的能力，有助于加深对流域水文过程的理解。
-
公开(公告)号：CN109711617A
公开(公告)日：2019-05-03
申请号：CN201811590914.2
申请日：2018-12-25
申请人： 河海大学
IPC分类号： G06Q10/04
摘要： 本发明公开一种基于BLSTM深度学习的中长期径流预测方法，包括如下步骤：步骤1，获取某流域逐月降雨及径流资料，对数据进行归一化处理；步骤2，确定率定期及验证期；步骤3，对率定期的逐月降雨及径流资料进行训练，构建基于BLSTM的径流预测模型；步骤4，输入验证期逐月降雨资料，利用步骤3中训练好的模型进行径流量的预测，以Nash效率系数NSE作为检验标准，验证合理性；步骤5，输入未来预报阶段的逐月降雨预报数据，预测径流量，并将结果作反归一化处理，得到中长期径流预测结果。此种方法从数据自身出发，不仅能够考虑过去的信息，也能考虑未来的信息，相比于现行的神经网络径流预测方法，能够提高径流预测精度。
-
-
-
-
-
-
-
-
搜索结果
20 条记录 (耗时 0.047 秒)
