-
公开(公告)号：CN111859783A
公开(公告)日：2020-10-30
申请号：CN202010572730.4
申请日：2020-06-22
Applicant: 重庆大学 , 重庆成峰水务工程有限责任公司 , 重庆市渝山水资源开发有限公司
IPC: G06F30/27 , G06F119/14
Abstract: 本发明属于数据处理技术领域，公开了一种水压预测方法、系统、存储介质、设备、城市供水系统，所述水压预测方法通过计算历史时间中同一时刻的压力值与实时时刻的压力值之间的关系，获取到一组权值，通过该组权值进行压力预测；把训练数据与目标数据输入进模型，求解到一个模型参数，输入当前数据，获取到预测结果。本发明采用基于迁移学习的方法来进行压力预测，该方法学习了局部数据的特征，参数比较容易优化，运行时速度快且预测精度较高，是一种较为可靠的压力预测方法。本发明是通过计算不同历史时间中同一时刻的的压力值与实时时刻的压力值之间的关系，从而获取到一组权值，就可以通过该组权值进行压力预测。
-
公开(公告)号：CN111859783B
公开(公告)日：2023-10-13
申请号：CN202010572730.4
申请日：2020-06-22
Applicant: 重庆大学 , 重庆成峰水务工程有限责任公司 , 重庆市渝山水资源开发有限公司
IPC: G06F30/27 , G06F119/14
Abstract: 本发明属于数据处理技术领域，公开了一种水压预测方法、系统、存储介质、设备、城市供水系统，所述水压预测方法通过计算历史时间中同一时刻的压力值与实时时刻的压力值之间的关系，获取到一组权值，通过该组权值进行压力预测；把训练数据与目标数据输入进模型，求解到一个模型参数，输入当前数据，获取到预测结果。本发明采用基于迁移学习的方法来进行压力预测，该方法学习了局部数据的特征，参数比较容易优化，运行时速度快且预测精度较高，是一种较为可靠的压力预测方法。本发明是通过计算不同历史时间中同一时刻的的压力值与实时时刻的压力值之间的关系，从而获取到一组权值，就可以通过该组权值进行压力预测。
-
公开(公告)号：CN110285330B
公开(公告)日：2021-08-10
申请号：CN201910624754.7
申请日：2019-07-11
Applicant: 重庆大学 , 重庆成峰水务工程有限责任公司
IPC: F17D5/02
Abstract: 本发明涉及领域水务网管网检测技术领域，具体涉及一种基于局部离群因子的水务网管网爆管检测方法，包括：S1:收集待检测的管网内每一检测点当前时刻的检测数据，以及过往多日内的同一时刻的历史检测数据；S2:根据每一所述检测点当前时刻的检测数据及历史检测数据计算每一检测点当前时刻的检测数据的离群因子；S3:获取检测点的空间相邻关系，并根据相邻的两个检测点当前时刻的离群因子，计算相邻检测点两两间的管段的爆管概率；S4:判断每一所述管段的爆管概率是否大于设定阈值，如大于阈值则判定该管段发生爆管，反之则判断为没有发生爆管。该方法不需要知道数据的标签，具有实用性，使得管网爆管检测可行性更高。
-
Patent Agency Ranking
公开(公告)号：CN110285330A
公开(公告)日：2019-09-27
申请号：CN201910624754.7
申请日：2019-07-11
Applicant: 重庆大学 , 重庆成峰水务工程有限责任公司
IPC: F17D5/02
Abstract: 本发明涉及领域水务网管网检测技术领域，具体涉及一种基于局部离群因子的水务网管网爆管检测方法，包括：S1:收集待检测的管网内每一检测点当前时刻的检测数据，以及过往多日内的同一时刻的历史检测数据；S2:根据每一所述检测点当前时刻的检测数据及历史检测数据计算每一检测点当前时刻的检测数据的离群因子；S3:获取检测点的空间相邻关系，并根据相邻的两个检测点当前时刻的离群因子，计算相邻检测点两两间的管段的爆管概率；S4:判断每一所述管段的爆管概率是否大于设定阈值，如大于阈值则判定该管段发生爆管，反之则判断为没有发生爆管。该方法不需要知道数据的标签，具有实用性，使得管网爆管检测可行性更高。
-
公开(公告)号：CN110222785A
公开(公告)日：2019-09-10
申请号：CN201910511847.9
申请日：2019-06-13
Applicant: 重庆大学
Abstract: 本发明涉及电子鼻的气味识别领域，具体涉及用于气体传感器漂移校正的自适应置信度主动学习方法，包括以下步骤：输入训练样本集和测试样本；计算测试样本中样本的信息熵；选取信息熵最大或最小的样本作为标记样本；预测标记样本的类型，并对其初次标记；将初次标记的样本加入训练样本集；更新分类器；使用更新后的分类器再次预测标记样本的类型，并对其进行再次标记；判断初次标记和再次标记是否相同，不同，返回样本选取步骤中选取测试样本集中信息熵最大的样本作为标记样本，相同，返回样本选取步骤中则选取测试样本集中信息熵最小的样本作为标记样本，以此解决漂移校正精度不高的问题，本发明主要用于气体传感器漂移校正。
-
公开(公告)号：CN110146655A
公开(公告)日：2019-08-20
申请号：CN201910471253.X
申请日：2019-05-31
Applicant: 重庆大学
IPC: G01N33/00
Abstract: 本发明涉及电子鼻检测技术领域，具体涉及一种基于自适应子空间学习范式的抗电子鼻漂移方法。针对漂移会影响电子鼻气味识别性能的情况，通过建立基于自适应子空间学习的最优化模型求解最佳投影矩阵，然后利用投影矩阵将源域数据和目标域数据映射到公共自适应子空间，从而减小常规样本和漂移样本分布的差异，从而实现电子鼻漂移抑制。本发明减少了特征的数量，保证了样本分布结构信息的完整性，并且保留了学习过程中分类相关的信息。
-
公开(公告)号：CN110146655B
公开(公告)日：2021-12-21
申请号：CN201910471253.X
申请日：2019-05-31
Applicant: 重庆大学
IPC: G01N33/00
Abstract: 本发明涉及电子鼻检测技术领域，具体涉及一种基于自适应子空间学习范式的抗电子鼻漂移方法。针对漂移会影响电子鼻气味识别性能的情况，通过建立基于自适应子空间学习的最优化模型求解最佳投影矩阵，然后利用投影矩阵将源域数据和目标域数据映射到公共自适应子空间，从而减小常规样本和漂移样本分布的差异，从而实现电子鼻漂移抑制。本发明减少了特征的数量，保证了样本分布结构信息的完整性，并且保留了学习过程中分类相关的信息。
-
公开(公告)号：CN110222785B
公开(公告)日：2023-10-13
申请号：CN201910511847.9
申请日：2019-06-13
Applicant: 重庆大学
Abstract: 本发明涉及电子鼻的气味识别领域，具体涉及用于气体传感器漂移校正的自适应置信度主动学习方法，包括以下步骤：输入训练样本集和测试样本；计算测试样本中样本的信息熵；选取信息熵最大或最小的样本作为标记样本；预测标记样本的类型，并对其初次标记；将初次标记的样本加入训练样本集；更新分类器；使用更新后的分类器再次预测标记样本的类型，并对其进行再次标记；判断初次标记和再次标记是否相同，不同，返回样本选取步骤中选取测试样本集中信息熵最大的样本作为标记样本，相同，返回样本选取步骤中则选取测试样本集中信息熵最小的样本作为标记样本，以此解决漂移校正精度不高的问题，本发明主要用于气体传感器漂移校正。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.046 seconds)
