基于分块可学习权重矩阵的水环境预测方法及装置

    公开(公告)号:CN119027276A

    公开(公告)日:2024-11-26

    申请号:CN202411489225.8

    申请日:2024-10-24

    Abstract: 本发明提供了一种基于分块可学习权重矩阵的水环境预测方法及装置,涉及水环境预测的技术领域,包括:获取待测水环境的历史水质监测数据;基于历史水质监测数据构建分块可学习权重矩阵;根据水质参数的初始重要性,确定各项权重子矩阵对应的尺度因子和目标标准差,并利用尺度因子和目标标准差对权重子矩阵进行随机初始化处理,确定目标权重子矩阵;利用预设自适应机制,通过在目标权重子矩阵构成的分块可学习权重矩阵中添加动态调整因子,对分块可学习权重矩阵进行动态调整处理,确定目标权重矩阵,并利用目标权重矩阵构建目标时空卷积网络模型,以利用目标时空卷积网络模型对水环境进行预测。本发明可以显著提升水环境预测的精准性。

    一种液位监测序列的数据还原方法以及系统

    公开(公告)号:CN117453669A

    公开(公告)日:2024-01-26

    申请号:CN202311437814.7

    申请日:2023-10-31

    Abstract: 本发明公开了一种液位监测序列的数据还原方法以及系统,方法包括提取排水网络的液位点,采集原始液位数据组成原始液位序列;根据相似度将原始液位序列分成多组序列子集;构建序列子集的三维张量,记录无效值的索引坐标,并将所有无效值替换为零值;根据空间关联关系与时间关联关系对每一所述序列子集的三维张量进行联合建模并通过优化迭代的方式对所述联合建模的结果进行拟合收敛,根据拟合收敛结果得到每一序列子集的拟合张量;根据索引坐标,采用所述拟合张量中的拟合液位数据替换所述三维张量中的零值。本方法利用了排水管网中的拓扑关系,综合考虑了序列中存在的时序和空间特征信息,实现了对复杂场景中数据还原效果的鲁棒。

    基于分块可学习权重矩阵的水环境预测方法及装置

    公开(公告)号:CN119027276B

    公开(公告)日:2024-12-20

    申请号:CN202411489225.8

    申请日:2024-10-24

    Abstract: 本发明提供了一种基于分块可学习权重矩阵的水环境预测方法及装置,涉及水环境预测的技术领域,包括:获取待测水环境的历史水质监测数据;基于历史水质监测数据构建分块可学习权重矩阵;根据水质参数的初始重要性,确定各项权重子矩阵对应的尺度因子和目标标准差,并利用尺度因子和目标标准差对权重子矩阵进行随机初始化处理,确定目标权重子矩阵;利用预设自适应机制,通过在目标权重子矩阵构成的分块可学习权重矩阵中添加动态调整因子,对分块可学习权重矩阵进行动态调整处理,确定目标权重矩阵,并利用目标权重矩阵构建目标时空卷积网络模型,以利用目标时空卷积网络模型对水环境进行预测。本发明可以显著提升水环境预测的精准性。

    适用于长周期变化显著的出水水质预测方法及装置

    公开(公告)号:CN119129940A

    公开(公告)日:2024-12-13

    申请号:CN202411604392.2

    申请日:2024-11-12

    Abstract: 本发明提供了一种适用于长周期变化显著的出水水质预测方法及装置,方法包括:获取污水处理厂的监测数据序列;监测数据序列包括具有预设时间间隔的多个历史监测数据;对监测数据序列进行变化周期长度监测,确定每个历史监测数据在目标时间内的相关性情况;基于相关性情况和预先设置的筛选规则,确定时间窗口;基于时间窗口和预先设置的目标预测时间构建训练标签集;将训练标签集输入至预先构建的门控循环单元GRU模型进行训练,得到出水水质预测模型;将污水处理厂的当前监测数据输入至出水水质预测模型中,输出出水水质参数。该方式中,使得模型在更小计算资源需求的情况下具有更高的算力,从而提高了模型的稳定性,使得出水水质预测更准确。

    适用于长周期变化显著的出水水质预测方法及装置

    公开(公告)号:CN119129940B

    公开(公告)日:2025-03-07

    申请号:CN202411604392.2

    申请日:2024-11-12

    Abstract: 本发明提供了一种适用于长周期变化显著的出水水质预测方法及装置,方法包括:获取污水处理厂的监测数据序列;监测数据序列包括具有预设时间间隔的多个历史监测数据;对监测数据序列进行变化周期长度监测,确定每个历史监测数据在目标时间内的相关性情况;基于相关性情况和预先设置的筛选规则,确定时间窗口;基于时间窗口和预先设置的目标预测时间构建训练标签集;将训练标签集输入至预先构建的门控循环单元GRU模型进行训练,得到出水水质预测模型;将污水处理厂的当前监测数据输入至出水水质预测模型中,输出出水水质参数。该方式中,使得模型在更小计算资源需求的情况下具有更高的算力,从而提高了模型的稳定性,使得出水水质预测更准确。

    基于BIM的河道参数化构建方法
    9.
    发明公开

    公开(公告)号:CN119358072A

    公开(公告)日:2025-01-24

    申请号:CN202411248999.1

    申请日:2024-09-06

    Abstract: 本申请涉及一种基于BIM的河道参数化构建方法。本申请适用于水务河道设计技术领域。本申请要解决的技术问题是:提供一种基于BIM的河道参数化构建方法。本申请所采用的技术方案是:一种基于BIM的河道参数化构建方法,其特征在于,包括:获取河道的工程要求,并根据工程要求,确定河道总平面布置,其中所述工程要求至少包括:原点、标高、中心线;基于河道总平面布置,确定河道各区域的河道结构类别,基于河道结构类别从构件库中获取相应的BIM参数化构件;基于河道总平面布置调整BIM参数化构件的构件参数,通过Dynamo for Revit模块,自动创建信息集成的初步BIM模型;基于自动创建信息集成的初步BIM模型,对所述模型进行调整完善,获得河道的三维BIM模型。

Patent Agency Ranking