-
公开(公告)号:CN118861961B
公开(公告)日:2025-02-28
申请号:CN202411354085.3
申请日:2024-09-27
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/2131 , G06F18/2135 , G06F18/213 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及数据处理技术领域,尤其是涉及一种基于LSTM‑VAE网络的电网数据异常检测方法及系统。方法包括获取智能电网数据;构建长短时记忆网络和VAE的LSTM‑VAE网络模型;利用智能电网数据对LSTM‑VAE网络模型进行网络训练;利用训练好的模型进行电网异常检测。本发明结合LSTM和VAE的优势,LSTM能够有效处理电网数据的时序性,捕捉故障前后不同时间点数据的变化趋势和规律;VAE则通过学习数据的潜在分布,更好地重构数据和检测异常。两者结合可以更准确地识别电网数据中的异常情况。
-
公开(公告)号:CN119474768A
公开(公告)日:2025-02-18
申请号:CN202510066065.4
申请日:2025-01-16
Applicant: 烟台大学
IPC: G06F18/20 , G06N3/0475 , G06N3/094 , G06N3/0442 , G06N3/042 , G06F18/213 , G06F18/25 , G06F18/15 , G06N3/0464 , G06N3/0455
Abstract: 本发明涉及海洋环境预测技术领域,尤其是涉及一种基于数字孪生的海洋环境多模态融合预测方法及系统。方法,包括基于动态多模态图神经网络捕捉海洋环境的多模态数据的时空关联特征;利用多尺度门控单元对时空关联特征进行多尺度特征融合,得到综合特征表示;利用混合时序预测框架对综合特征表示进行预测,得到初步海洋环境预测数据,其中包括短期动态建模和长期趋势建模;利用生成对抗网络对初步海洋环境预测数据进行噪声拟合,生成最终海洋环境预测数据。本发明通过动态多模态数据融合、混合时序预测框架和多尺度门控Tanh单元的创新组合,有效解决了传统海洋环境监测和预测技术中存在的数据融合不足、预测精度有限和动态响应能力较差的问题。
-
公开(公告)号:CN119449467A
公开(公告)日:2025-02-14
申请号:CN202411778751.6
申请日:2024-12-05
Applicant: 烟台大学 , 济南三泽信息安全测评有限公司
Abstract: 本发明涉及联邦学习技术领域,尤其是涉及一种基于Modbus的联邦学习威胁检测方法及系统。方法,包括对获取的二进制网络流量数据进行预处理,得到Json文件数据;对Json文件数据进行特征提取;对联邦学习模型进行初始化,利用提取的特征进行模型训练,得到模型的若干重要参数;通过对模型的若干重要参数进行汇总,得到全局重要参数位置;基于全局重要参数位置对模型进行更新,得到个性化的联邦学习模型;利用个性化的联邦学习模型进行网络威胁检测。该方法能从多个维度表征网络流量,在为联邦学习框架实现多源输入提供支撑的同时,从数据层面提升了网络威胁检测效果。
-
公开(公告)号:CN119991527A
公开(公告)日:2025-05-13
申请号:CN202510465507.2
申请日:2025-04-15
Applicant: 烟台大学
IPC: G06T5/90 , G06T5/60 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/094 , G06N3/0895
Abstract: 本发明涉及图像数据处理技术领域,具体为一种超分辨率遥感图像生成方法、系统,该方法具体步骤为:从数据集中获得原始高分辨率图像,降采样得到低分辨率图像,由第一卷积进行浅层特征提取,得到第一特征,经过多次深层特征提取,得到深层特征,与第一特征进行残差连接得到第五特征,对第五特征进行映射,并使用频域融合获得超分辨率图像;超分辨率图像和原始高分辨率图像,分别经过深度可分离卷积层处理得到第六特征,通过激活函数消除负值;经过全连接层统一第七特征向量维度,映射为一个标量,得到超分辨率图像是否为原始高分辨率图像的判断结果。本发明能够提高遥感图像的分辨率和视觉质量,同时保持计算效率。
-
公开(公告)号:CN119339245B
公开(公告)日:2025-03-14
申请号:CN202411863953.0
申请日:2024-12-18
Applicant: 烟台大学
Abstract: 本发明涉及海洋赤潮预测技术领域,尤其是涉及一种基于双通道时空图神经网络的赤潮异常预测方法及系统。方法,包括将预处理后的海洋环境监测数据转换成图结构,其中节点表示海洋监测站;并基于皮尔逊相关系数构造邻接矩阵,邻接矩阵元素表示节点之间的空间相关性;利用时空图神经网络对图结构进行空间和时间特征提取;本发明结合了时空图神经网络与遥感图像数据的深度特征提取能力,通过图卷积和卷积神经网络(CNN)多层操作,实现了海洋赤潮异常的精准预测。
-
公开(公告)号:CN118862950A
公开(公告)日:2024-10-29
申请号:CN202411364712.1
申请日:2024-09-29
Applicant: 烟台大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/20
Abstract: 本发明涉及故障诊断技术领域,尤其是涉及一种基于图结构联合优化的工业设备故障诊断方法及系统。方法包括获取原始设备数据集;根据原始设备数据集构建原始图结构;基于原始图结构提取两个基本视图,利用GCN计算基本视图的图节点嵌入,基于图节点嵌入重新计算图结构中边的概率;基于图结构中边的概率进行视图融合,得到初步优化后的视图;通过GAT网络处理融合视图,得到增强视图;本发明优化了传统故障诊断中遇到的预测精准度低和鲁棒性差等问题,从而显著提升了工业互联网设备的稳定性。
-
公开(公告)号:CN118861945A
公开(公告)日:2024-10-29
申请号:CN202411327885.6
申请日:2024-09-24
Applicant: 烟台大学
Abstract: 本发明涉及数据处理技术领域,尤其是涉及一种基于卷积注意力网络的动态电力特征融合方法及系统。方法,包括获取电力数据;对获取的电力数据进行预处理;对预处理的电力数据进行初步分类后进行特征提取;构建基于时空图卷积注意力网络的电力预测模型;利用基于时空图卷积注意力网络的电力预测模型对提取的特征进行预测;利用Adam 优化器并基于学习率衰减策略对模型进行测试与验证。本发明在电力系统节点分类任务中显著提高了分类准确率。
-
公开(公告)号:CN118797541A
公开(公告)日:2024-10-18
申请号:CN202411288147.5
申请日:2024-09-14
Applicant: 烟台大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/213 , G06F18/2111 , G06F18/25
Abstract: 本发明涉及数据处理技术领域,尤其是涉及一种基于遗传算法的电能占用异常检测方法及系统。方法包括对用电测量数据进行数据预处理;利用统计和电气参数从用电测量数据中合成新特征;基于人工蜂群算法和遗传算法选择突出特征;利用去噪自编码器从电力消费数据的突出特征中提取高方差特征;将提取到的特征输入到支持向量机中检测电能占用异常行为。本发明通过集成大数据和遗传算法,提出了一种有效的电能占用异常检测方法及系统,该方法及系统能够显著提高检测非技术损失的效率。
-
公开(公告)号:CN118862950B
公开(公告)日:2025-03-07
申请号:CN202411364712.1
申请日:2024-09-29
Applicant: 烟台大学
IPC: G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/20
Abstract: 本发明涉及故障诊断技术领域,尤其是涉及一种基于图结构联合优化的工业设备故障诊断方法及系统。方法包括获取原始设备数据集;根据原始设备数据集构建原始图结构;基于原始图结构提取两个基本视图,利用GCN计算基本视图的图节点嵌入,基于图节点嵌入重新计算图结构中边的概率;基于图结构中边的概率进行视图融合,得到初步优化后的视图;通过GAT网络处理融合视图,得到增强视图;本发明优化了传统故障诊断中遇到的预测精准度低和鲁棒性差等问题,从而显著提升了工业互联网设备的稳定性。
-
公开(公告)号:CN118841979A
公开(公告)日:2024-10-25
申请号:CN202411311278.0
申请日:2024-09-20
Applicant: 烟台大学
IPC: H02J3/00 , G06F18/2415 , G06F18/10 , G06N3/094 , G06F17/16
Abstract: 本发明涉及模型运算技术领域,尤其是涉及一种基于多尺度异常检测的电力系统负荷预测方法及系统。方法,包括构建Transformer‑XL与生成对抗网络相结合的负荷预测模型;基于负荷预测模型对电力系统多源数据进行预测,得到负荷预测数据;基于多尺度卷积变分自编码器对电力系统多源数据进行异常检测,得到异常检测结果;将异常检测结果和负荷预测结果相融合,生成综合评分;根据生成的综合评分,利用贝叶斯优化自动调整关键超参数。本发明能够更好地处理电力负荷数据中的非线性和多维度变化,从而显著提升了负荷预测的精度。
-
-
-
-
-
-
-
-
-