-
公开(公告)号：CN117273792A
公开(公告)日：2023-12-22
申请号：CN202311342570.4
申请日：2023-10-17
Applicant: 北京林业大学
IPC: G06Q30/0201 , G06F18/25 , G06V10/44 , G06F18/213 , G06N3/0455 , G06F123/02
Abstract: 本发明公开了一种融合遥感图像和历史碳价格时序数据的城市碳价格预测方法，涉及机器学习人工智能以及遥感图像分析领域。包括如下步骤：首先，直接获取研究区域历史遥感数据、历史城市碳价格数据，形成初始数据集；其次，利用MFTSformer中的Transformer模型与CNN模型，分别对时间序列数据和图像数据进行训练并进行输出特征；再次，将两个模型得到特征进行融合拼接；最后，将融合数据输入MFTSformer模型中的解码器的全连接层结构，输出得到碳价格市场的预测结果。本发明利用获取成本较低的多源数据和大规模深度神经网络结合，在碳价格市场波动起伏明显的情况下，依然可以实现精准地预测城市碳价格的能力。
-
公开(公告)号：CN116416525A
公开(公告)日：2023-07-11
申请号：CN202310352892.0
申请日：2023-04-04
Applicant: 北京林业大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/044 , G06N3/08 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开了一种基于多源多模态技术的城市植被固碳能力的估算方法，涉及机器学习以及遥感领域。包括如下步骤：首先，直接获取研究区域历史遥感数据、光合有效辐射(Photosynthetically Active Radiation，PAR)数据以及路网(OpenStreetMap)数据，形成初始无标签数据集；其次，利用MAE预训练模型与RNN预训练模型，分别对波段数据和PAR数据进行训练；再次，将最新一天数据输入训练过后的模型，得到重建数据；最后，将重建数据输入NPP function模型，完成对城市植被固碳能力的精准模拟。本发明利用获取成本较低的多源数据和大规模深度神经网络结合，在遥感标注数据不足、城市植被季节性变化明显的情况下，依然可以实现低成本、精准地估算城市植被固碳能力。
-
公开(公告)号：CN119739179A
公开(公告)日：2025-04-01
申请号：CN202411715813.9
申请日：2024-11-27
Applicant: 北京林业大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 本发明提供一种传感器聚类与多无人机协同的数据采集方法，包括以下步骤：对传感器进行聚类，选择作为簇头节点的簇头传感器，接收周边传感器感知的数据，汇总传感器数据；针对协同作业的多个无人机，划分彼此不交叉的数据采集子任务区域；规划子任务区域内的无人机飞行作业路径，并以传感器数据的信息鲜度和/或无人机飞行能耗为参数，计算各个无人机在相应子任务区域内的飞行作业方案；各个无人机依照所述飞行作业方案，通过相应子任务区域内的簇头传感器采集经汇总的传感器数据。该方法通过空地联动作业，能在规定时间内利用较少无人机能耗采集到优质传感器数据，具有采集效率高、无人机能耗低、数据质量高、不受地面复杂环境限制等优势。
-
公开(公告)号：CN117472071A
公开(公告)日：2024-01-30
申请号：CN202310360394.0
申请日：2023-04-06
Applicant: 北京林业大学
IPC: G05D1/46 , G05D1/495 , G05D101/15 , G05D109/20
Abstract: 本发明公开了一种无人机收集定点森林设备数据的路径规划方法，包括如下步骤：首先，对复杂森林环境的定点设备数据收集问题进行建模，综合考虑无人机性能和环境因素，在最大化信息新鲜度为目标函数，构建了多点无人机路径规划场景和两点无人机路径规划场景；其次，针对两点路径规划场景，首先通过Logistic混沌映射初始化种群、遗传算法(Genetic Algorithm,GA)和模拟退火算法(Simulated Annealing,SA)概率协同等方式，设计了具有问题自适应的无人机路径规划方法；再次，在两点路径规划的基础上，针对多点路径规划场景，基于模拟退火算法设计无人机多点路径规划方法。
-
-
-
Search Results
4
records
(took 0.025 seconds)
