-
公开(公告)号：CN117350440A
公开(公告)日：2024-01-05
申请号：CN202311638469.3
申请日：2023-12-04
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06Q10/04 , G01W1/00 , G06F17/15 , G06N3/084 , G06N3/0442 , G06N3/0464
Abstract: 本发明提出了一种区域气溶胶光学厚度的时空预测模型及方法，属于遥感气象格点要素预测领域，预测模型包括：输入层、预处理层、预测层以及输出层，输入层用于接收带时序的气溶胶光学厚度张量并导入到预处理层进行数值数据的预处理；预处理层用于对数据进行特征变换以及时间编码，以满足预测层的需要；预测层用于对输入的气溶胶光学厚度张量进行预测；输出层用于对预测层得到的结果进行融合处理，通过门控机制分别对预测层中不同模块的预测结果进行融合，并输出预测结果；本发明通过提取输入的气溶胶光学厚度张量的时空特征，实现对区域气溶胶光学厚度数值的预测。
-
公开(公告)号：CN117313015A
公开(公告)日：2023-12-29
申请号：CN202311594907.0
申请日：2023-11-28
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/2433 , G06F18/214 , G06N3/0499 , G06N3/045 , G06N3/088 , G06F123/02
Abstract: 本发明提出了一种基于时序和多变量的时间序列异常检测方法及系统；属于数据检测技术领域，在模型训练前，获取含单变量和多变量的原始时间序列数据，采用改进的Transformer模型作为主干模型，统计特征处理模块作为枝干模型，结合构成损失函数，训练异常检测模型；结合对抗训练框架，将每个变量维度真实值和预测值的均方误差作为损失函数优化网络的参数，经过多次迭代训练模型，同时将训练好的模型进行保存；通过异常分数计算得到阈值，然后将测试集输入到训练好的模型中，根据模型的输出结果结合阈值并通过点调整策略，判断是否异常；发明方案采用多种新颖的深度学习方法，可以自动化地对时间序列数据进行较为精准的异常检测。
-
公开(公告)号：CN115456314B
公开(公告)日：2023-03-24
申请号：CN202211408732.5
申请日：2022-11-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06Q10/04 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提供了一种大气污染物时空分布预测系统及方法，涉及环境预测领域，通过特征提取单元将所述时空分布信息分别输入顺序连接通路和跳跃连接通路进行特征提取，顺序连接通路可以提取连续的时序特征，得到一个连续的变化趋势，用于后续时刻的预测；跳跃连接通路是跳跃着连接不同周期同一时刻的数据，通过跳跃连接通路对特征的传递，当前时刻的特征中可以融入前面周期内相同时刻的数据特征，用更明显的周期性特征来预测当前时刻的特征，对当前时刻的预测有一个辅助修正的作用；结合PM2.5时空分布的连续性变化趋势和周期性变化特征，融合单元将两条连接通路提取的特征相融合，使得预测结果更加准确，可用于预测很长一段时间之后的PM2.5时空分布情况。
-
公开(公告)号：CN119785127A
公开(公告)日：2025-04-08
申请号：CN202510289005.9
申请日：2025-03-12
Applicant: 中广核风电有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/44 , G06V10/80 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/048 , G06N3/08 , G06T7/00
Abstract: 本申请公开了一种红外图像检测模型的训练方法、装置及红外图像检测方法，可用于人工智能领域，该方法中，首先，获取包含红外图像的训练图片；而后，基于训练图片，通过预先构建的红外图像检测模型，输出缺陷检测结果；继而，基于缺陷检测结果与训练图片对应的缺陷标签的二分图匹配结果，计算第一损失函数；接着，计算第一损失函数与多层感知损失项之和，得到损失函数；最后，基于损失函数对红外图像检测模型进行迭代训练。由此，基于二分图匹配结果得到的第一损失函数与多层感知损失项，采用复合的损失函数对红外图像检测模型进行训练，训练后的红外图像检测模型可对红外图像中小目标实现更为准确的检测。
-
公开(公告)号：CN117368881B
公开(公告)日：2024-03-26
申请号：CN202311677654.3
申请日：2023-12-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳市气象局(深圳市气象台)
IPC: G01S7/41 , G01S13/95 , G01W1/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0455
Abstract: 本发明提出了一种融合多源数据的长序列雷达图像预测方法及系统，属于气象预测技术领域，首先对于雷达回波预报训练模型进行改动，使其等多关注长时的运动趋势；并利用三种编码器对雷达图像数据进行编码；然后在雷达图像数据的基础上，引入卫星云图数据使用卷积门控记忆单元ConvGRU进行编码，通过门控结构将卫星云图数据和雷达数据融合；再引入地形高程数据，利用残差卷积神经网络Resnet提取地形数据的特征信息，并与雷达图像数据进行通道维度上融合；经过特征融合模块对特征进行整合，最后送入时间窗口解码器中得到未来的雷达回波图像；本发明对于长时效的降水预报而言，具有很好的准确性。
-
Patent Agency Ranking
公开(公告)号：CN117368881A
公开(公告)日：2024-01-09
申请号：CN202311677654.3
申请日：2023-12-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳市气象局(深圳市气象台)
IPC: G01S7/41 , G01S13/95 , G01W1/10 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N3/0455
Abstract: 本发明提出了一种融合多源数据的长序列雷达图像预测方法及系统，属于气象预测技术领域，首先对于雷达回波预报训练模型进行改动，使其等多关注长时的运动趋势；并利用三种编码器对雷达图像数据进行编码；然后在雷达图像数据的基础上，引入卫星云图数据使用卷积门控记忆单元ConvGRU进行编码，通过门控结构将卫星云图数据和雷达数据融合；再引入地形高程数据，利用残差卷积神经网络Resnet提取地形数据的特征信息，并与雷达图像数据进行通道维度上融合；经过特征融合模块对特征进行整合，最后送入时间窗口解码器中得到未来的雷达回波图像；本发明对于长时效的降水预报而言，具有很好的准确性。
-
公开(公告)号：CN115345387B
公开(公告)日：2023-01-24
申请号：CN202211272558.6
申请日：2022-10-18
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 中广核风电有限公司
Abstract: 本发明提供了一种风场风速预测方法、装置及存储介质，方法包括：获取风场的历史气象要素数据，从历史气象要素数据中分离出满足物理约束的数据；将满足物理约束的数据输入偏微分神经网络模块，提取各个气象要素变量的多阶偏导数，并对下一时间步的风场风速进行预测，获得第一预测风速；将各个气象要素变量的多阶偏导数输入动力源分离模块，结合大气运动方程组计算风场中大气气团的受热数据和受力数据；将受热数据、受力数据和历史气象要素数据输入数据驱动模块，对下一时间步的风场风速进行预测，获得第二预测风速；根据第一预测风速和第二预测风速确定风场的最终预测风速。本发明的技术方案能够提高风场风速的预测准确性。
-
公开(公告)号：CN115456314A
公开(公告)日：2022-12-09
申请号：CN202211408732.5
申请日：2022-11-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种大气污染物时空分布预测系统及方法，涉及环境预测领域，通过特征提取单元将所述时空分布信息分别输入顺序连接通路和跳跃连接通路进行特征提取，顺序连接通路可以提取连续的时序特征，得到一个连续的变化趋势，用于后续时刻的预测；跳跃连接通路是跳跃着连接不同周期同一时刻的数据，通过跳跃连接通路对特征的传递，当前时刻的特征中可以融入前面周期内相同时刻的数据特征，用更明显的周期性特征来预测当前时刻的特征，对当前时刻的预测有一个辅助修正的作用；结合PM2.5时空分布的连续性变化趋势和周期性变化特征，融合单元将两条连接通路提取的特征相融合，使得预测结果更加准确，可用于预测很长一段时间之后的PM2.5时空分布情况。
-
公开(公告)号：CN117350440B
公开(公告)日：2024-07-12
申请号：CN202311638469.3
申请日：2023-12-04
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06Q10/04 , G01W1/00 , G06F17/15 , G06N3/084 , G06N3/0442 , G06N3/0464
Abstract: 本发明提出了一种区域气溶胶光学厚度的时空预测模型及方法，属于遥感气象格点要素预测领域，预测模型包括：输入层、预处理层、预测层以及输出层，输入层用于接收带时序的气溶胶光学厚度张量并导入到预处理层进行数值数据的预处理；预处理层用于对数据进行特征变换以及时间编码，以满足预测层的需要；预测层用于对输入的气溶胶光学厚度张量进行预测；输出层用于对预测层得到的结果进行融合处理，通过门控机制分别对预测层中不同模块的预测结果进行融合，并输出预测结果；本发明通过提取输入的气溶胶光学厚度张量的时空特征，实现对区域气溶胶光学厚度数值的预测。
-
公开(公告)号：CN118228002A
公开(公告)日：2024-06-21
申请号：CN202410634167.7
申请日：2024-05-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/20 , G06F18/15 , G06N3/0464 , G01P5/00 , G06F123/02
Abstract: 本发明提出了一种基于低频滤波和自相关性的中长期风速预测方法，属于风速预测技术领域，首先进行序列分解，输入过去采集的风速序列，采用基于低频滤波的深度学习时间序列分解方法进行分解；然后进行归一化，将分解的数据进行归一化处理；进行模型深度学习，输入经过处理后的数据，训练自相关性和多层线性层；最后逆归一化，将最近采集的新风速序列输入至步骤3训练好的模型进行预测，对预测结果进行逆归一化，还原预测结果到原始数据尺度上，得到未来一段时间的风速预测。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.064 seconds)
