-
公开(公告)号：CN111783930B
公开(公告)日：2024-03-12
申请号：CN201910268447.X
申请日：2019-04-03
Applicant: 南京大学
IPC: G06N3/02
Abstract: 本发明提供了一种基于路径状态的神经网络测试充分性评估方法，包括下列步骤：1)模型抽象，获取模型隐藏层结构信息；2)获取数据集在模型运行中的隐藏层神经元信息，整合测试数据路径覆盖情况；3)选择覆盖指标，计算数据集路径覆盖率；4)选定阈值，评估神经网络的测试集上的充分性。本发明提供了一套系统的基于路径状态的数据集测试充分性评估方法，根据神经网络的结构特征，将传统测试方法在深度学习领域迁移，为神经网络模型的测试提供了新的评估指标，有助于开发人员和测试者进行模型的优化和数据集的筛选以及其质量的提升，同时促进了深度学习测试领域的发展。
-
公开(公告)号：CN116818006A
公开(公告)日：2023-09-29
申请号：CN202310553623.0
申请日：2023-05-17
Applicant: 南京大学
IPC: G01D21/02
Abstract: 本发明公开了水分入渗过程中气压‑电阻率分析方法、系统及监测设备，涉及水文地质和水文地球物理监测技术领域。本发明的水分入渗过程中气压‑电阻率分析方法步骤为：根据研究目的获取研究范围内的地质信息、降雨信息和水分入渗信息，并采用水气两相流模拟水分入渗的过程；对水分入渗过程进行气压和高密度电阻率的联合监测；分析相同时间的气压和电阻率监测数据，定量刻画水分入渗过程中的气压变化及其对电阻率的影响；根据水分入渗过程中的气压对电阻率的影响对电阻率进行修正，根据修正结果反演水分入渗过程，结合包气带水气二相流理论分析水分迁移过程。通过气压数据修正的电阻率及其反演结果分析提高电阻率法监测水分入渗过程的准确性。
-
公开(公告)号：CN112116147A
公开(公告)日：2020-12-22
申请号：CN202010972535.0
申请日：2020-09-16
Applicant: 南京大学
Abstract: 本发明公开一种基于LSTM深度学习的河流水温预测方法，属于水文模型技术领域，通过收集某河流历史逐日气温、流量和水温资料；将时间序列划分为训练集和测试集，对数据进行正则化处理；基于训练集数据，利用气温和流量作为输入因子，水温为输出因子，构建基于长短期记忆神经网络LSTM的水温预测模型；将测试集气温和流量输入训练好的模型，并通过反正则化处理得到测试集水温预测结果；对比测试集水温预测值和观测值，以平均绝对误差MAE、均方根误差RMSE、纳什效率系数NSE和决定系数R2作为检验标准，验证模型合理性。本发明是精度高、结果可靠的河流水温预测方法，相比于现行的机器学习河流水温预测方法具有优越性，为河流生态系统管理和保护提供科学支撑。
-
公开(公告)号：CN111507610A
公开(公告)日：2020-08-07
申请号：CN202010292710.1
申请日：2020-04-14
Applicant: 江苏省环科院环境科技有限责任公司 , 南京大学
Abstract: 本发明公开了一种土壤重金属污染的累积性环境风险预警方法，包括如下步骤：设置样本采集点，采集土壤样本和农作物样本；分析土壤样本和农作物样本中的重金属污染物含量；计算土壤样本中的重金属含量，将该重金属含量与预设值进行比较，判断重金属含量的风险等级；计算农产品样本中的重金属含量，将该重金属含量与预设值进行比较，判断重金属含量的风险等级；分析同一样本采集点不同年份的重金属含量，计算土壤重金属污染累积速率；根据土壤样本中的重金属含量、农产品样本中的重金属含量和土壤重金属污染累积速率计算调查区域土壤重金属污染的累积性环境风险预警等级，并采取对应的治理措施，来改善由于重金属污染给环境带来的损害。
-
公开(公告)号：CN111445109A
公开(公告)日：2020-07-24
申请号：CN202010138645.7
申请日：2020-03-03
Applicant: 南京大学
Abstract: 本发明公开一种多环芳烃综合生态风险评价和敏感性分析优化方法，以层次阿基米德Copula函数为核心，计算在考虑各PAHs之间的内部相关性前提下的概率，并与可忽略浓度与最大允许浓度标准相结合，对区域内PAHs的综合生态风险进行评价。本发明将层次阿基米德Copula函数与单一生态风险评价指标结合在一起，从统计角度系统评价多种PAHs的混合生态风险，较好地解决了由于内部相关性导致的综合风险与单一风险累加结果不一致的缺陷，定量、定性地评价综合生态风险，并依据其对不同因素的敏感性分析结果，分析降低风险的有效举措，具有客观性和合理性。
-
Patent Agency Ranking
公开(公告)号：CN109165455B
公开(公告)日：2020-06-16
申请号：CN201811025120.1
申请日：2018-09-04
Applicant: 南京大学
Abstract: 本发明公开一种基于互信息和vine copula的水文相依结构建模方法，首先，利用互信息及条件互信息度量水文变量的相关关系及不确定性，结合相关性最强及不确定最小原则，选择vine copula的结构，从第一棵树开始，计算两两配对变量的互信息，选择使互信息之和最大化的配对方式作为树的边，再计算可能配对变量的条件互信息，选择使得条件互信息之和最大化的配对方式作为树2，重复直到整棵树结构确定。其次，根据确定的树结构，拟合边缘分布，做拟合优度检验，从树1开始，利用AIC准则确定边的copula类型，估计参数，做拟合优度检验，接着计算变量的条件边缘分布，并重复确定copula类型、估计参数和检验步骤，直到所有树都确定。连接所有的树和边，完成水文相依结构的建模。
-
公开(公告)号：CN111241478A
公开(公告)日：2020-06-05
申请号：CN202010016234.0
申请日：2020-01-08
Applicant: 南京大学
Abstract: 本发明提出一种考虑历史洪水的洪水频率估计方法，方法包括以下步骤：S1、选取合适的频率线型，确定待估参数；S2、收集水文站监测的流量资料，建立实测洪峰样本序列，并计算确定待估参数的上、下边界；S3、收集历史洪水信息，构建历史洪水序列，包括定量和不定量历史洪水信息；S4、将历史洪水序列与实测洪峰序列纳入计算样本，构建考虑定量及不定量历史洪水信息的参数估计似然函数；S5、将似然函数作为目标函数，待估参数边界作为约束条件，建立优化问题，并采用遗传算法求解，进而得到频率线型的待估参数；S6、根据选定的线型及估计参数，计算不同重现期的设计洪水。本发明将定量及不定量历史洪水信息均纳入样本序列，增加洪水序列的样本容量和数量，提高洪水频率参数估计与设计洪水的准确性和代表性。
-
公开(公告)号：CN107315722B
公开(公告)日：2020-01-21
申请号：CN201710532961.0
申请日：2017-07-03
Applicant: 南京大学
Abstract: 本发明公开一种基于克里金和信息熵理论结合的水文站网优化模型，以信息总量最大化和站网估计误差最小化两个目标为主导，提出站点最优布置的理论依据—NI‑KSE标准，对潜在站网进行重新规划布置。本发明将克里金和信息熵理论相结合在一起，较为系统评价潜在的水文站网，很好地解决站网中密度过大，局部误差太大和信息冗余量的缺陷，定量地描述站点间的信息总量和空间分布的合理性，对站网进行较为客观地评价和优化，具有合理性和有效性。
-
公开(公告)号：CN110689182A
公开(公告)日：2020-01-14
申请号：CN201910890913.8
申请日：2019-09-20
Applicant: 南京大学
Abstract: 本发明公开了一种考虑径流预测的多目标雨量站网设计方法，所述方法根据雨量站点间信息冗余最小、雨量站对下游流量站信息传递最大和面平均雨量预测偏差最小的多目标准则，通过基于NSGA-II的遗传算法对研究区雨量站网优化设计，利用人工神经网络(ANN)降雨-径流模型评价优化结果对径流预测精度的影响。本发明方法将雨量站网优化和降雨-径流模型相结合，从径流预测的角度补充了现有站网优化分析和设计的不足，并提出了一种适用性良好的雨量站网优化设计框架及方法。
-
公开(公告)号：CN106897530B
公开(公告)日：2019-08-06
申请号：CN201710126728.2
申请日：2017-03-06
Applicant: 南京大学
Abstract: 本发明公开一种基于Copula熵的水文站网优化模型的优化方法，包括以下步骤：Copula函数的优选、计算水文信息传递值和站网重组和优选；基于Copula函数理论和信息熵原理的有机结合，以Copula熵代替传统的互信息量为主要改进并结合站点对间的距离量，提出水文信息传递强度量这一基本评价指标，并创新性地提出信息传递量均值指标(AI)以及阈值范围的确定方法对潜在站网进行重新的站网组合。本发明将Copula熵运用到水文站网的评价中，很好地解决了水文多变量联合概率密度函数估计的局限性，定量地描述了水文站点间的信息传递量，对站网进行较为客观地评价和优化，具有合理性和有效性。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.033 seconds)
