-
公开(公告)号：CN106897530A
公开(公告)日：2017-06-27
申请号：CN201710126728.2
申请日：2017-03-06
Applicant: 南京大学
CPC classification number: G06F17/5009 , G06F2217/10 , G06Q10/04 , G06Q50/06
Abstract: 本发明公开一种基于Copula熵的水文站网优化模型，包括以下步骤：Copula函数的优选、计算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，提出站点间的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，很好地解决了站对间的联合概率密度函数估计的局限性，定量地描述了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。
-
公开(公告)号：CN105975444A
公开(公告)日：2016-09-28
申请号：CN201610349745.8
申请日：2016-05-24
Applicant: 南京大学
CPC classification number: G06F17/18 , G06F17/5009 , G06Q10/04
Abstract: 本发明提供了一种基于信息熵的地下水数值模拟不确定性定量分析方法，将预测变量概率分布的信息熵作为该变量的不确定性大小，根据贝叶斯模型平均方法的预测公式和信息熵理论，将地下水预测不确定性分解为模型结构、模型参数和各概念模型预测分布间的重叠不确定性。能够度量各种概率分布类型随机变量的不确定性大小，克服了传统方差法只能度量正态分布的缺陷，扩展了不确定性定量分析的应用范围；将地下水数值模拟不确定性分解为模型参数、模型结构和重叠不确定性等三部分，能够克服传统方差法无法描述模型间重叠不确定性的缺点；将模型参数不确定性定义为各概念模型内部（参数）不确定性权重和减去模型间重叠的不确定性，从而能够对各部分不确定性进行更加准确、合理的描述。
-
公开(公告)号：CN103268525B
公开(公告)日：2016-02-24
申请号：CN201310222565.X
申请日：2013-06-04
Applicant: 南京大学
IPC: G06Q10/04
Abstract: 本发明公开了一种基于WD-RBF的水文时间序列模拟预测方法，根据选定的水文时间序列，通过小波变换得到各个尺度下的小波系数，使用软阈值消噪技术消除序列噪音，并通过小波重构得到消除噪音后的水文时间序列，将消噪后的序列进行改进的RBF网络建模，运用建立好的网络对序列进行模拟预测。本发明方法应用于四组水文时间序列的预测中，并与ARIMA模型和RBF方法作对比，结果显示：RBF能够挖掘水文时间序列中的非线性关系，小波消噪可以对水文时间序列中的噪声成分进行有效识别并剔除，达到还原真实序列的目的。实例验证WD-RBF方法不仅在序列模拟而且在数值预测上都表现出优于ARIMA模型和RBF的性能，具有更高的准确性。
-
公开(公告)号：CN102789445A
公开(公告)日：2012-11-21
申请号：CN201210241987.7
申请日：2012-07-13
Applicant: 南京大学
IPC: G06F17/00
Abstract: 本发明公开一种中长期水文预报模型的小波分析和秩次集对分析建立方法，将小波分析方法和秩次集对分析方法两者结合，其中，小波分析方法主要用于对实测水文时间序列进行消噪处理，得到消噪序列；秩次集对分析方法主要用于构建秩次集对预报模型，对序列的后续值进行预报，本发明在小波消噪基础上建立的WD-RSPA模型，即中长期水文预报模型，构建概念清晰，计算简单，模型预报精度高，且合格率也有提高，是一种值得推广应用的模型预报方法。
-
公开(公告)号：CN102033851B
公开(公告)日：2012-09-26
申请号：CN201010297456.0
申请日：2010-09-30
Applicant: 南京大学
IPC: G06F17/00
Abstract: 本发明公开了一种水文时间序列小波互相关分析方法，首先选择小波函数和时间尺度范围，然后对待分析的水文时间序列进行连续小波变换分析；计算水文时间序列在不同时间尺度上及不同时滞下的小波互协方差；求解两序列在不同时间尺度上及不同时滞下的小波互相关系数，计算小波互相关度以描述两序列在整体时间域上的互相关程度，绘制小波互相关系数等值线图，实现对时间序列之间互相关关系进行时频综合分析。实例分析结果显示了小波互相关分析方法的有效性和优越性，该方法能够分析和定量描述非平稳时间序列在特定时间尺度和指定时滞下的互相关关系，可克服传统互相关分析方法的局限，具有更好的灵活性和适用性。
-
Patent Agency Ranking
公开(公告)号：CN101592488B
公开(公告)日：2011-08-03
申请号：CN200910032581.6
申请日：2009-07-02
Applicant: 南京大学
IPC: G01C13/00
Abstract: 本发明公开了一种水文序列分析中基于信息熵理论的消噪方法，首先依据待分析的水文时间序列的基本特性选择小波函数和小波分解层数，然后对水文序列进行离散小波变换，得到不同时间尺度水平上的小波系数dj，k；应用小波系数阈值优选熵准则，确定各层的小波系数阈值；对各层高频小波系数进行硬或软阈值量化处理，之后再对处理后的小波系数进行重构，得到实测水文序列中的重构主序列；实测水文序列与重构主序列之差为噪声成分，即实现噪声成分的分离。本发明基于信息熵理论和小波消噪思路，建立了小波系数阈值优选熵准则，从而利用小波分析方法可有效地分离出水文序列中的噪声成分，提高了水文数据的真实性和准确性。
-
公开(公告)号：CN101604356A
公开(公告)日：2009-12-16
申请号：CN200910033616.8
申请日：2009-06-24
Applicant: 南京大学
Abstract: 本发明公开了一种不确定性中长期水文预报模型的建立方法，其将小波分析方法(WA)，人工神经网络(ANN)和水文频率分析法(HFA)联合使用，建立了不确定性中长期水文预报模型：即在应用WA揭示水文序列多时间尺度变化特性的基础上，将原序列分为主序列和随机序列两部分，然后利用ANN对主序列进行模拟预测，对随机序列进行水文频率分析，最后将两部分结果叠加作为最终预测值。该模型用于黄河河口地区作中长期水文预报，并与传统方法作对比，结果显示：该模型能同时揭示序列的时、频结构和变化特性；预报值结果精度高；且合格率高；能定量分析和描述水文不确定性因素对预报结果的影响，可得到不同频率对应水文序列的模拟预测值。
-
公开(公告)号：CN117421555A
公开(公告)日：2024-01-19
申请号：CN202311382037.0
申请日：2023-10-24
Applicant: 南京大学
IPC: G06F18/20 , G06F18/23 , G06F18/213 , G06Q10/04 , G01W1/10 , G06F123/02
Abstract: 本发明公开了系统聚类的最大熵多窗口滑动趋势检验同频趋势分析方法，属于降水分析技术领域，对预先获取的研究区域的时间序列数据集进行处理，获得局部小气候区的聚类组；基于聚类组中每个降水站的预先记录的水文序列和香农熵，获得每个局部小气候区的代表站；基于时间序列长度，每个代表站均设置若干个代表站的滑动时间窗口长度；响应于代表站的降水时间序列数据集符合预设条件，执行输出代表站的不同时间窗口的滑动降水时间序列数据集有显著的变化趋势。本发明避免不合理的时间划分对趋势变化分析的影响，显示区域降水趋势的特征以及降水强度增减的细节，系统地提取降水变化趋势和同一降水强度下的变化特征。
-
公开(公告)号：CN111445109B
公开(公告)日：2023-08-01
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。
-
公开(公告)号：CN108171432B
公开(公告)日：2021-08-10
申请号：CN201810007254.4
申请日：2018-01-04
Applicant: 南京大学
Abstract: 本发明公开一种基于多维云模型‑模糊支持向量机的生态风险评价方法，先应确定评价因子及评价标准，将多个评价因子视为支持向量机样本的多个属性，并根据评价标准将生态风险分为多个等级，再者根据分级指标确定云模型参数，将超熵视为服从正态分布的参数k和熵的乘积，通过正向多维正态云发生器产生各个等级的具有多个属性的训练样本并计算样本隶属于特定等级的确定度，生成训练样本集，其次进行模型的建立及参数优化，选定高斯函数作为核函数，并用一对一方法，产生多个二类分类器从而组合成多类分类器，利用K‑折交叉检验和网格法进行参数寻优，确定最优参数C及σ，应用云发生器产生的训练样本集训练样本，建立模型。最终应用模型对地区的实测数据进行分类，判定该地区的生态风险等级，实现多因子下的综合生态风险评价。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.029 seconds)
