-
公开(公告)号：CN117787490A
公开(公告)日：2024-03-29
申请号：CN202311820847.X
申请日：2023-12-27
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本申请提供一种模型评估方法，包括：将测试数据输入模型进行预测，获得第一突变区间，所述测试数据为时序数据；将所述测试数据进行突变检测，获得第二突变区间；响应于所述第一突变区间和第二突变区间的交并比大于等于设定阈值，确定模型预测正确。该方案通过区间交并比的方式来判定模型预测的突变区间是否准确，在此基础上进一步评估突变区间检测的性能，能够定量的对突变区间检测进行评估，提供更为合理的模型选择评估标准。
-
公开(公告)号：CN116883986A
公开(公告)日：2023-10-13
申请号：CN202310984709.9
申请日：2023-08-07
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06V20/62 , G06V30/146 , G06V30/19
Abstract: 本申请提供了一种水表数据的识别方法、装置、设备及计算机可读介质。所述方法包括：获取目标设备发送的图片；根据预设分类模型判断所述图片是否属于水表图片，若判定所述图片属于水表图片，则确定所述水表图片中的水表类型和水表区域；根据预设质量检测模型，判断所述水表图片的质量是否满足预设要求；若判定所述水表图片的质量满足预设要求，则获取与所述水表类型对应的水表识别模型，并将所述水表图片输入至所述水表识别模型；根据所述水表识别模型和所述水表区域，识别所述水表图片中的水量数据和序列号信息，可以至少用以解决相关技术中对水表的读数误差较大且读数效率较低的技术问题。
-
公开(公告)号：CN117951549A
公开(公告)日：2024-04-30
申请号：CN202311820850.1
申请日：2023-12-27
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本申请提供一种模型训练数据的构建方法，包括：根据时序数据，确定突变样本和非突变样本；根据突变区间检测特征，确定所述突变样本的特征和所述非突变样本的特征；对所述突变样本的特征和所述非突变样本的特征进行混合采样聚类，获得模型训练数据。该方案针对突变区间的左右两侧数据存在数据范围上较大变化的特点设计更相关的特征，并提出混合采样聚类优化算法，改善传统过采样算法所带来的样本重叠问题。所构建的模型训练数据能够同时解决少数类样本数量不足和多数类样本冗余问题，使用这些数据所训练得到的模型，其分类性能可大大提升。
-
公开(公告)号：CN117708086A
公开(公告)日：2024-03-15
申请号：CN202311726616.2
申请日：2023-12-14
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F16/21 , G06F16/22 , G06F16/25 , G06F16/907
Abstract: 本发明涉及水务技术领域，具体涉及面向水务行业的元数据模型构建方法及元数据管理平台。方法包括，步骤S1，整理水务行业的业务过程，以及水务行业涉及的数据分析和共享场景；步骤S2，根据业务过程、数据分析和共享场景收集核心元数据；步骤S3，建立水务行业的元数据模型，元数据模型包括用于描述业务过程的业务场景类元数据、用于面向水务行业数据分析主题的数据分析类元数据和用于支撑水务行业数据应用场景的数据共享类元数据；步骤S4，将元数据模型映射到数据库表结构。本发明通过构建水务行业的元数据模型，实现了水务行业全领域数据的整合，解决了跨领域的数据分析的需要，统一了分析指标的口径。
-
公开(公告)号：CN120067667A
公开(公告)日：2025-05-30
申请号：CN202411741510.4
申请日：2024-11-29
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F18/214 , G06F18/21 , G06F18/2431 , G06F18/25 , G06F18/2415
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于Focal Loss改进LightGBM的管网毛刺数据检测方法及存储器，包括：针对管网原始数据提取邻域特征并构建毛刺数据集；基于毛刺数据集对检测模型进行多次验证，于每次验证过程中调整检测模型的损失函数的损失函数参数；根据验证结果选择多个检测模型进行融合形成融合模型，采用融合模型对管网数据进行识别。针对现有技术中的毛刺数据样本不均衡、对模型训练效果较差的问题，引入了对损失函数进行预先验证、调整损失函数参数的验证流程。通过对损失函数的参数进行调整并进行多轮验证，能够确定在对特定的毛刺数据集的训练过程中，较好地兼顾召回率与精确率的参数组合，最后再进行融合，从而提升整体的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN116883986B
公开(公告)日：2024-04-26
申请号：CN202310984709.9
申请日：2023-08-07
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06V20/62 , G06V30/146 , G06V30/19
Abstract: 本申请提供了一种水表数据的识别方法、装置、设备及计算机可读介质。所述方法包括：获取目标设备发送的图片；根据预设分类模型判断所述图片是否属于水表图片，若判定所述图片属于水表图片，则确定所述水表图片中的水表类型和水表区域；根据预设质量检测模型，判断所述水表图片的质量是否满足预设要求；若判定所述水表图片的质量满足预设要求，则获取与所述水表类型对应的水表识别模型，并将所述水表图片输入至所述水表识别模型；根据所述水表识别模型和所述水表区域，识别所述水表图片中的水量数据和序列号信息，可以至少用以解决相关技术中对水表的读数误差较大且读数效率较低的技术问题。
-
公开(公告)号：CN117194752A
公开(公告)日：2023-12-08
申请号：CN202310984887.1
申请日：2023-08-07
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F16/909 , G06F18/214 , G06F18/243
Abstract: 本申请提供了一种水务流量毛刺数据检测方法、系统、设备及介质，方法包括获取水务流量数据，根据所述水务流量数据按照时间序列进行处理，得到所述水务流量数据的变化值数据，根据所述变化值数据得到平均波动系数；根据所述水务流量数据和所述平均波动系数，按照时间序列进行处理，得到所述水务流量数据的波动倍数；根据所述波动倍数确定流量毛刺数据。本申请通过对水务流量数据进行时间序列处理和波动倍数计算，可以检测出管网流量、压力、水质设备时序数据中的毛刺数据，准确率高。找到毛刺数据并针对性进行修复，大幅度降低监测点误报率。
-
公开(公告)号：CN118674026A
公开(公告)日：2024-09-20
申请号：CN202410691219.4
申请日：2024-05-30
Applicant: 上海威派格智慧水务股份有限公司
Abstract: 本发明涉及知识图谱技术领域，具体涉及一种基于子图结构信息增强的大语言模型知识图谱补全方法，包括：步骤S1：针对已有知识图谱抽取子图结构信息；步骤S2：依照子图结构信息确定补全任务类型，并依照子图结构信息和补全任务类型构建提示文本序列；步骤S3：将提示文本序列输入知识图谱补全大模型，知识图谱补全大模型的输出结果对应于已有知识图谱的缺失信息。引入了基于子图结构信息的处理过程，从而确定要补完的对象的补全任务类型，进而调用特定的模板来组装提示文本序列，实现了对隐含的子图结构信息的有效描述，进而使得大型语言模型能够正确理解缺失信息在知识图谱中相对于其他节点的关系，便于大型语言模型更为准确地推断出相应的结果。
-
公开(公告)号：CN119248759A
公开(公告)日：2025-01-03
申请号：CN202411243645.8
申请日：2024-09-05
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F16/215 , G06F18/2433 , G06F18/2415 , G06F18/243
Abstract: 本发明提供一种水厂管控平台报表的异常数据检测及恢复方法及系统，涉及水厂数据检测技术领域，包括：采集水厂管控平台的报表数据，随后通过阈值检测得到报表数据的阈值范围，将超出阈值范围的各报表数据标记为潜在异常数据；采用异常检测模型对报表数据中的各潜在异常数据进行异常评分，随后异常评分结果异常的潜在异常数据标记为毛刺数据点；将报表数据中的各毛刺数据点删除，随后利用被删除的毛刺数据点的相邻数据点的线性关系估算缺失的数据点进行线性插值，以对报表数据进行数据恢复。有益效果是通过多级异常检测提高水厂管控平台数据分析的精确性和稳定性，通过结合统计分析与机器学习技术，实现了对异常数据的高效检测和恢复。
-
公开(公告)号：CN119150194A
公开(公告)日：2024-12-17
申请号：CN202411302307.7
申请日：2024-09-18
Applicant: 上海威派格智慧水务股份有限公司
IPC: G06F18/2433 , F04D15/00 , G06F18/214 , G06F18/22
Abstract: 本发明提供一种样本可扩展的水泵故障诊断方法和系统，步骤A1，获取水泵有无故障的声音片段作为样本与故障类型形成种子样本集；步骤A2，从种子样本集中进行目标特征类型筛选，并提取第一声音特征数据；步骤A3，从待诊断的声音片段中提取目标特征类型的第二声音特征数据；步骤A4，比对第二和第一声音特征数据识别水泵的故障类型：若无故障，获取下一轮待诊断的声音片段继续步骤A3；若有故障，步骤A6，将识别的声音片段作为样本与故障类型加入种子样本集，获取下一轮待诊断的声音片段继续步骤A2。通过少量的样本对水泵运行的声音片段进行筛选，可扩展的收集水泵故障噪声样本，不需要假设数据的分布，也不需要训练过程。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.032 seconds)
