-
公开(公告)号：CN115223660B
公开(公告)日：2023-03-10
申请号：CN202211140439.5
申请日：2022-09-20
Applicant: 清华大学
IPC: G16B40/00 , G06F18/214 , G06F17/16 , G06F17/18
Abstract: 本发明实施例提供了一种生物种群评估模型的训练方法、装置和电子设备，所述方法包括：获取采样区域的栅格数据和实地统计数据；根据采样区域中采样点的坐标信息，合并栅格数据和实地统计数据，获取生物种群评估模型的训练样本集；所述训练样本集包括：随机效应类型的第一特征和固定效应类型的第二特征；基于所述训练样本集中的所述第一特征和所述第二特征进行训练，获取生物种群评估模型。同时利用栅格数据和实地统计数据对评估模型进行训练，突破了现有技术中生物评估的空间限制，对随机效应和固定效应的合理应用提高了较大空间尺度下的生物种群评估的准确率，大大帮助了人类对于自然界生物种群的评估，提高了人类自然资源利用的准确率和效率。
-
公开(公告)号：CN115033655A
公开(公告)日：2022-09-09
申请号：CN202210948343.5
申请日：2022-08-09
Applicant: 清华大学
IPC: G06F16/29 , G06F16/906 , G06Q10/04
Abstract: 本发明实施例提供了一种城乡系统地图的生成方法、装置、电子设备和可读存储介质，所述方法包括：通过获取目标区域的基于地图数据进行标记的人口数据和土地数据，然后基于所述土地数据确定建成区土地参数，并基于所述建成区土地参数、人口数据以及地表覆盖类别分布数据，划分了城乡区域和城乡外区域，最终生成目标区域的城乡系统地图，将人类活动强度与地表覆盖类别紧密地结合了起来。城乡系统地图展示了目标区域从荒野到乡村最后到城市的一个空间演变过程，准确地反映了人类活动强度和地表覆盖类别的分布，有利于资源的调配和经济发展策略的调整。
-
公开(公告)号：CN114219847A
公开(公告)日：2022-03-22
申请号：CN202210150234.9
申请日：2022-02-18
Applicant: 清华大学
IPC: G06T7/62 , G06V20/10 , G06V10/764 , G06K9/62
Abstract: 本发明提供一种基于物候特征的作物种植面积确定方法、系统及存储介质，属于计算机技术领域，通过按照设定时间采集待检测的作物种植区的遥感影像数据；根据遥感影像数据确定所述待检测的作物种植区的植被指数统计特征和植被物候特征；根据植被指数统计特征和植被物候特征确定所述待检测的作物种植区的作物种植区特征向量；将作物种植区特征向量输入预训练好的基于随机森林的作物种植区提取模型中，进行遥感提取以确定所述待检测的作物种植区的作物种植区分布图；对作物种植区分布图进行分析，以确定待检测的作物种植区的种植面积数据。本发明具有低成本高效率，且具备精细刻画种植区域空间分布的能力的技术效果。
-
公开(公告)号：CN114723127B
公开(公告)日：2024-07-26
申请号：CN202210344148.1
申请日：2022-03-31
Applicant: 河钢数字技术股份有限公司 , 河钢集团有限公司 , 清华大学
IPC: G06Q10/04 , G06Q50/04 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于相关图卷积网络的钢厂空气质量预测方法，包括如下步骤：S1：利用箱线图方法，融合钢厂不同区域监测点的空气质量历史特征数据；S2：对钢厂各区域监测点的空气质量数据特征之间进行皮尔森相关分析，并通过单层感知器获得钢厂各区域监测点之间的图关系；S3：构建时空相关图卷积神经网络模型，通过学习历史时间步钢厂空气质量时空网络序列的图信号特征，对未来多个小时的钢厂各区域空气质量指数进行预测。本发明通过构建基于时空相关图卷积网络的空气质量预测模型，从钢厂多个空气质量监测点获取历史特征数据对钢厂不同区域未来多个小时钢厂空气质量指数进行预测。
-
公开(公告)号：CN116091930A
公开(公告)日：2023-05-09
申请号：CN202310074214.2
申请日：2023-02-07
Applicant: 清华大学
IPC: G06V20/10 , G06V20/13 , G06V10/774
Abstract: 本文提供了一种基于遥感的梯田制图方法、装置、设备和存储介质，其中方法包括：获取目标区域的陆地卫星遥感影像和数字高程模型；根据所述陆地卫星遥感影像和数字高程模型，得到目标区域中所有像素的分类特征，所述分类特征用于确定像素对应的土地类型，其中所述土地类型包括梯田或非梯田；将目标区域划分为多个分区，将每个分区中像素的分类特征输入与该分区对应的分类器中，得到该分区的土地类型，其中所述分类器利用与该分区对应的训练样本和测试样本训练和测试后得到；综合每个分区的分类结果，得到目标区域的梯田地图，所述梯田地图以像素为单元。本文能够准确和快速地获取梯田的空间分布信息。
-
Patent Agency Ranking
公开(公告)号：CN114445703B
公开(公告)日：2023-04-28
申请号：CN202210042096.2
申请日：2022-01-14
Applicant: 清华大学
Abstract: 本发明提供一种基于时间序列分析的森林增长年份自动识别方法，获取全球森林变化数据集、全球森林树冠高度数据集和预设年份中各个年度的地表反射率影像，并对地表反射率影像进行预处理以获取年度各景影像归一化植被指数序列和年度归一化燃烧指数序列，再计算年度归一化燃烧指数阈值，而后基于全球森林变化数据集、全球森林树冠高度数据集和年度各景影像归一化植被指数序列获取全球潜在森林增长区域，再通过LandTrendr算法获取森林增长时段，并基于所述全球潜在森林增长区域内的年度归一化燃烧指数序列和森林增长的时段结合自动提取森林增长年份，如此，进行全球森林增长年份制图，以快速自动获取全球森林增长年份。
-
公开(公告)号：CN115223660A
公开(公告)日：2022-10-21
申请号：CN202211140439.5
申请日：2022-09-20
Applicant: 清华大学
Abstract: 本发明实施例提供了一种生物种群评估模型的训练方法、装置和电子设备，所述方法包括：获取采样区域的栅格数据和实地统计数据；根据采样区域中采样点的坐标信息，合并栅格数据和实地统计数据，获取生物种群评估模型的训练样本集；所述训练样本集包括：随机效应类型的第一特征和固定效应类型的第二特征；基于所述训练样本集中的所述第一特征和所述第二特征进行训练，获取生物种群评估模型。同时利用栅格数据和实地统计数据对评估模型进行训练，突破了现有技术中生物评估的空间限制，对随机效应和固定效应的合理应用提高了较大空间尺度下的生物种群评估的准确率，大大帮助了人类对于自然界生物种群的评估，提高了人类自然资源利用的准确率和效率。
-
公开(公告)号：CN114219847B
公开(公告)日：2022-07-01
申请号：CN202210150234.9
申请日：2022-02-18
Applicant: 清华大学
IPC: G06T7/62 , G06V20/10 , G06V10/764 , G06K9/62
Abstract: 本发明提供一种基于物候特征的作物种植面积确定方法、系统及存储介质，属于计算机技术领域，通过按照设定时间采集待检测的作物种植区的遥感影像数据；根据遥感影像数据确定所述待检测的作物种植区的植被指数统计特征和植被物候特征；根据植被指数统计特征和植被物候特征确定所述待检测的作物种植区的作物种植区特征向量；将作物种植区特征向量输入预训练好的基于随机森林的作物种植区提取模型中，进行遥感提取以确定所述待检测的作物种植区的作物种植区分布图；对作物种植区分布图进行分析，以确定待检测的作物种植区的种植面积数据。本发明具有低成本高效率，且具备精细刻画种植区域空间分布的能力的技术效果。
-
公开(公告)号：CN114201692A
公开(公告)日：2022-03-18
申请号：CN202210150097.9
申请日：2022-02-18
Applicant: 清华大学
IPC: G06F16/9536 , G06F16/9537
Abstract: 本发明提供一种作物类型样本的采集方法及装置，包括如下步骤：从社交网络数据平台获取带位置信息的样本数据；根据文本数据中的位置信息，对文本数据进行矢量转化处理得到文本矢量数据，以及获取与位置信息对应的遥感数据；分别根据文本矢量数据计算样本数据的位置置信度、根据遥感数据计算样本数据的光谱置信度和根据图片数据计算样本数据的图像匹配度；基于预设样本筛选规则，根据样本数据的位置置信度、光谱置信度和图像匹配度判断样本数据的可用性。利用本发明能够解决目前获取样本点的方式存在费时费力、无法获取历史样本、准确性存疑以及范围限制等问题。
-
公开(公告)号：CN112668705A
公开(公告)日：2021-04-16
申请号：CN202110283892.0
申请日：2021-03-17
Applicant: 清华大学
Abstract: 本发明提供一种基于深度学习的干旱指数监测方法及系统，其中的方法包括：获取监测站点的观测数据，并基于观测数据获取对应的各参数信息；对各参数信息分别进行数据处理，获取与各参数信息分别对应的预处理数据；对预处理数据以及与观测数据对应的辅助数据进行数据融合，并基于融合后的数据构建数据集；其中，数据集包括训练集和测试集；基于训练集和测试集训练并测试深度神经网络模型，直至深度神经网络模型收敛在预设范围内，形成干旱指数监测模型；基于干旱指数监测模型对待检测区域的干旱指数进行监测。利用上述发明能够更加综合、全面的识别旱情，提高旱情监测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.038 seconds)
