-
公开(公告)号：CN118551590A
公开(公告)日：2024-08-27
申请号：CN202411025699.7
申请日：2024-07-30
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F30/20 , G06F18/10 , G06F111/10
Abstract: 本发明属于海洋环境数据计算技术领域，公开了一种面向典型海域的海浪模式数值调优方法及系统。该方法通过对计算策略、参数方案、计算精度的依次分析，给出海浪模式调优方法，高效准确的完成对实海域海浪环境的计算，为海洋资源开发提供理论和数据支撑。本发明给出一套针对海浪模式的计算调优策略，从计算策略、源项方案、计算精度三个方面综合分析模式计算结果，并给出整个海浪模式的调优方法，使得复杂的计算调优过程显得有力有序，有章可循。尤其针对有长时间模拟需求的数值计算，该方法能够大量节省计算调优时间，提高计算精度以及计算效率。
-
公开(公告)号：CN118378014B
公开(公告)日：2024-08-23
申请号：CN202410804962.6
申请日：2024-06-21
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F17/18
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于船舶运动频谱的安稳期概率统计方法及系统。该方法通过船舶运动时历获取频谱信息，通过随机过程的统计学分析，利用概率论的联合分布以及马尔科夫链理论建立船舶运动安稳期概率模型，利用历史数据完成航行作业的提前规划以及实际作业中安稳期概率的计算。本发明能够提前在船舶进入某海域作业前给出满足作业要求的安稳期发生概率，同时能在作业前的一段时间内给出安稳期出现的概率，为海上船舶的航行作业计划提供辅助决策。
-
公开(公告)号：CN118228009B
公开(公告)日：2024-08-06
申请号：CN202410657990.X
申请日：2024-05-27
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/22
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于自相关分解的船舶运动极短期预报方法及系统，该方法通过滑动平均方法滤除船舶运动序列的周期性特征，提取序列平稳趋势项，并采用序列作差得到季节项特征；基于编码器‑解码器架构，将自相关机制引入船舶运动序列特征学习，通过计算序列自相关来发现基于周期的依赖关系，并采用时间延迟聚合来聚合相似的子序列，分别对船舶运动序列的季节项和趋势项进行预报，最终得到高精度的船舶运动预报结果。本发明的船舶运动极短期预报方法采用滑动平均算法分解船舶运动时域特征，并结合自相关机制与时延聚合算法代替Transformer架构的自注意力机制进行长期特征学习，提升船舶运动预报精度。
-
公开(公告)号：CN117909666B
公开(公告)日：2024-07-02
申请号：CN202410308826.8
申请日：2024-03-19
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/15 , G06F18/214 , G06F18/25 , G06F30/27 , G06N3/0499 , G06Q10/04 , G06Q50/26 , G06F111/10
Abstract: 本发明属于海洋环境预测及修正技术领域，公开了一种融合数值模式及深度学习的海浪智能订正方法及系统。该方法获取任务海域环境数据，构建海浪数值模式计算模型，构建海浪智能订正数据集，构建人工智能海浪订正模型，融合数值模式及深度学习的海浪智能订正模型泛化性分析，利用所述模型对海域内某位置处的海浪数值模拟结果进行订正，并采用浮标实测结果对模型进行验证，以测试模型对海域波浪场的智能订正效果。本发明相较于传统海浪数值模式，本发明提出的海浪智能订正模型可以考虑模式不同方案设置带来的影响，显著提升了对海浪的预报精度及效率。本发明为实海域海浪预报提供了一种新颖有效的方法和策略。
-
公开(公告)号：CN118228009A
公开(公告)日：2024-06-21
申请号：CN202410657990.X
申请日：2024-05-27
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/20 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/22
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于自相关分解的船舶运动极短期预报方法及系统，该方法通过滑动平均方法滤除船舶运动序列的周期性特征，提取序列平稳趋势项，并采用序列作差得到季节项特征；基于编码器‑解码器架构，将自相关机制引入船舶运动序列特征学习，通过计算序列自相关来发现基于周期的依赖关系，并采用时间延迟聚合来聚合相似的子序列，分别对船舶运动序列的季节项和趋势项进行预报，最终得到高精度的船舶运动预报结果。本发明的船舶运动极短期预报方法采用滑动平均算法分解船舶运动时域特征，并结合自相关机制与时延聚合算法代替Transformer架构的自注意力机制进行长期特征学习，提升船舶运动预报精度。
-
Patent Agency Ranking
公开(公告)号：CN117851760B
公开(公告)日：2024-06-14
申请号：CN202410257690.2
申请日：2024-03-07
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/10 , G06F17/14 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了一种基于频带预处理的波浪智能预报模型优化方法及系统。该方法从波浪时历数据的频带分布特征出发，通过波浪频带分布进行多区间划分，滤去噪声影响的同时分离高低频组成部分，并通过高低频部分的预报模型独立训练与预报，通过预报结果叠加实现原波浪时历的高精度预报。本发明面向实际海洋环境中测量的波浪时历数据预报精度低的问题，基于傅里叶变换探究数据频谱特征，从频带分布出发，提出一种波浪时历数据高低频分离的预处理方法，通过本发明可以有效的改善实测波浪时历的预报精度，提升可预报时长，并且该方法普遍的适用于多种波浪深度学习预报模型。
-
公开(公告)号：CN117935023B
公开(公告)日：2024-05-28
申请号：CN202410329748.X
申请日：2024-03-22
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
Abstract: 本发明属于海洋中尺度涡识别技术领域，公开了基于注意力机制的中尺度涡识别和特征分析方法及系统。该方法利用ROMS数值模式提供高分辨率海洋环境数据，并对VG识别方法进行参数优化，基于优选的参数化方案与AVSIO数据集中的中尺度涡数据构建高精度的中尺度涡数据集，最后基于深度学习的方法对中尺度涡进行快速、精准的识别并基于识别结果开展特征分析研究。本发明可以掌握中尺度涡空间位置分布及半径等特征参数和温盐场信息，进而掌握声学探测装备在实海探测的真实效能，对实现水下目标高效、准确探测具有重要意义。
-
公开(公告)号：CN117647808B
公开(公告)日：2024-04-30
申请号：CN202410102035.X
申请日：2024-01-25
Applicant: 青岛哈尔滨工程大学创新发展中心
Abstract: 本发明公开了基于深度学习的非相参雷达相位解析波浪时历反演方法，涉及海洋遥感探测领域，包括步骤：预处理雷达海杂波图像，通过傅里叶变换将区域内雷达海杂波图像的灰度数据变为雷达图像频谱数据；构建深度学习频谱映射模型，将雷达图像频谱数据输入到构建的深度学习频谱映射模型，深度学习频谱映射模型包括三维卷积模块、位置编码、注意力模块、残差模块和三维转置卷积模块；最后数据逆处理，将模型计算的频谱数据转换为实际相位解析海浪时历数据。本发明能够减少频谱数据缺失的现象，提高反演数据的准确性。
-
公开(公告)号：CN117909666A
公开(公告)日：2024-04-19
申请号：CN202410308826.8
申请日：2024-03-19
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/15 , G06F18/214 , G06F18/25 , G06F30/27 , G06N3/0499 , G06Q10/04 , G06Q50/26 , G06F111/10
Abstract: 本发明属于海洋环境预测及修正技术领域，公开了一种融合数值模式及深度学习的海浪智能订正方法及系统。该方法获取任务海域环境数据，构建海浪数值模式计算模型，构建海浪智能订正数据集，构建人工智能海浪订正模型，融合数值模式及深度学习的海浪智能订正模型泛化性分析，利用所述模型对海域内某位置处的海浪数值模拟结果进行订正，并采用浮标实测结果对模型进行验证，以测试模型对海域波浪场的智能订正效果。本发明相较于传统海浪数值模式，本发明提出的海浪智能订正模型可以考虑模式不同方案设置带来的影响，显著提升了对海浪的预报精度及效率。本发明为实海域海浪预报提供了一种新颖有效的方法和策略。
-
公开(公告)号：CN116861202B
公开(公告)日：2023-12-19
申请号：CN202311133272.4
申请日：2023-09-05
Applicant: 青岛哈尔滨工程大学创新发展中心 , 哈尔滨工程大学
IPC: G06F18/20 , G06N3/0442 , G06N3/08
Abstract: 本发明属于船舶与海洋工程技术领域，公开了基于长短期记忆神经网络的船舶运动包络预报方法及系统。该方法包括：根据船舶运动时历数据和船舶运动包络数据，截取与包络时历数据对应的时历片段，基于得到的包络时历数据和运动时历数据重构包络反演的训练集和测试集；建立神经网络模型，训练得到包络时历数据与运动时历数据的映射关系，并将完整的船舶运动时历数据输入得到的神经网络模型，反演得到完整的船舶运动包络时历数据；然后将得到的船舶运动包络时历数据划分为训练集和测试集，并输入到长短期记忆神经网络模型中，训练得到LSTM包络预报模型的参数。本发明可明显提升有效预报时长和预报精度，具有更重要的工程意义。(56)对比文件顾兴健;赵璐;金明;刘勇;刘传才.基于LSTM神经网络的我国典型试航海域环境短期预报方法研究.中国造船.2017,(第04期),全文.齿轮早期故障检测与诊断技术研究《.中国优秀硕士论文电子期刊网》.2015,正文下标第33-40页.Nguyen Thanh Son.Online balancedtruncation for linear time-varyingsystems using continuously differentiableinterpolation on Grassmann manifold《.20196th International Conference on Control,Decision and Information Technologies(CoDIT)》.2019,全文.陈凯达;朱永生;闫柯;蔡依青;任智军;高大为.基于LSTM的船舶航迹预测.船海工程.2019,(第06期),全文.
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.039 seconds)
