基于最优卷积二维化的水库调度方法

    公开(公告)号:CN108537366B

    公开(公告)日:2021-08-24

    申请号:CN201810219230.5

    申请日:2018-03-16

    Abstract: 基于最优卷积二维化的水库调度方法,包括:步骤1.基于多目标最优化算法的输入数据卷积化处理;步骤2.基于卷积神经网络的动态调度模型构建;步骤3.评估模型和调整方案生成,包括训练部份和实时调度部分。本发明结合深度神经网络算法,和权值共享技术,通过大数据系统提供的大量调度历史数据训练深度人工神经网络理解调度场景内的隐含知识。研究输入水库动态精细化综合调度数据的时间空间关联性,通过权值共享的神经元链接方式减少模型构建中每层的权值数量,增加模型的深度,从而使网络充分认知水库动态精细化综合调度,并发现水库动态精细化综合调度过程中更深层次的结构,最终完成响应快,准确性高的对动态调度模型构建过程。

    基于SHADE算法的多路径多目标应急物资配送路径选择方法

    公开(公告)号:CN112598189A

    公开(公告)日:2021-04-02

    申请号:CN202011597379.0

    申请日:2020-12-29

    Abstract: 本发明公开了一种基于成功历史自适应参数的差分进化(SHADE)算法用于搜索应急物资紧急救援路径,主要方法为:通过学习差分进化算法中的成功个体的交叉率和变异率,使得该方法能够找到更优越的路径。为了搜索更多的等效的应急物资救援调度路径,适应度分享机制被同时用在目标空间和决策空间以保证路径的多样性,为用户提供多样的可行路径以供选择,也避免单一路径由于某种突发原因不可通行情况的出现。本发明不仅能够搜索到满足目标条件的最优应急物资救援调度路径,而且能够提供多条等效路径,为应急物资第一时间送至目的地进行救援提供保障。

    一种基于压缩感知的河流月径流量预测方法

    公开(公告)号:CN106295193B

    公开(公告)日:2019-03-05

    申请号:CN201610662522.7

    申请日:2016-08-15

    Abstract: 一种基于压缩感知的河流月径流量预测方法,采集河流的相关信息进行预处理,用压缩感知方法去拟合时间序列的观测数据,训练合适的模型,进行曲线拟合,得到对应每月所预测出的河流月经流量。本发明在压缩感知理论的框架下,利用最大似然估计建立时间序列预测数学模型,将参数估计归结为一个典型的压缩感知问题,再运用增广拉格朗日函数法求解出参数,从而进行时间序列预测。

Patent Agency Ranking