-
公开(公告)号：CN110015818A
公开(公告)日：2019-07-16
申请号：CN201910412099.9
申请日：2019-05-17
Applicant: 北京工业大学
IPC: C02F9/14 , C02F101/16 , C02F101/10
Abstract: 连续流除磷亚硝化耦合厌氧氨氧化脱氮除磷SBR工艺属于污水生物处理领域，装置包括原水水箱、连续流除磷亚硝化反应器、调节水箱、厌氧氨氧化反应器、出水水箱；生活污水分别进入连续流除磷亚硝化反应器和厌氧氨氧化反应器。生活污水首先进入连续流除磷亚硝化反应器厌氧阶段，去除污水中的有机碳源，通过接种除磷颗粒污泥厌氧释磷；高溶解氧反应器好氧除磷；而后经低溶解氧抑制亚硝酸盐氧化菌，氨氧化菌将氨氮转变为亚氮。连续流除磷亚硝化反应器的出水经出水水箱调节水量后进入厌氧氨氧化反应器，亚氮在厌氧氨氧化菌的作用下与氨氮反应，生成氮气。该工艺在节约能耗的基础上，解决了生活污水存在的碳源不足问题，实现脱氮除磷。
-
-
公开(公告)号：CN109325805A
公开(公告)日：2019-02-12
申请号：CN201811097765.6
申请日：2018-09-20
Applicant: 北京工业大学
Abstract: 本本发明公开一种基于K-means聚类算法及离散小波变换的无人超市客流量预测方法，包括：获取用户的流量数据，所述流量数据包括客流量数据；将所述流量数据按照时间特征和店铺特征进行序列化形成多个时间序列；通过聚类算法对历史数据进行聚类；通过基本统计学算法与所述多个时间序列数据，计算所述流量数据的均值方差增长率等；通过小波变换算法对所述多个时间序列数据进行分解处理，以获取时间序列子波；以及将所述时间序列子波，所述均值与所述方差及所述增长率作为特征值输入预测模型中，以获取所述用户在预定时间段中的流量数据预测值。本发明能够对未来无人超市客流量进行有效预测，并对商家经营模式起到指导作用。
-
公开(公告)号：CN109190709A
公开(公告)日：2019-01-11
申请号：CN201811063979.1
申请日：2018-09-12
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 本发明公开了一种针对大气污染物浓度预测的选择特征的方法，针对想要预测的大气污染物，通过Granger因果关联规则在所有大气污染物的数据集中选出与想要预测的污染物数据集具有Granger因果关联规则的数据集，与要预测的污染物历史数据的数据集一起组成特征子集。本发明从大气污染的大量多为时许数据集中筛选出与想要预测的污染物浓度数据集强联系的其他污染物数据集，从而获得尽可能小的特征集和，筛选掉冗余和弱相关的数据集和作为特征，结合神经网络预测污染物浓度。使用这种方法选择的特征子集针对性强，子集中的数据与预测历史数据存在着强相关联系。
-
公开(公告)号：CN108862581A
公开(公告)日：2018-11-23
申请号：CN201810721933.8
申请日：2018-07-04
Applicant: 北京工业大学
IPC: C02F3/30 , C02F11/04 , C02F101/16
Abstract: 一种AO生物膜+污泥发酵耦合反硝化实现污水深度脱氮同步污泥减量的装置和方法，属于污水生物处理技术领域，该系统主要包括原水池、AO生物膜反应器、中间水箱、储泥池、污泥发酵耦合反硝化反应器；污水与回流的硝化液进入AO生物膜反应器的缺氧区进行部分反硝化和厌氧氨氧化反应脱氮；混合液继续流入好氧区发生硝化反应，其出水进入中间水箱，一部分被回流至缺氧区前端，另一部分再进入污泥发酵耦合反硝化反应器；储泥池中储存的城市污水处理厂的剩余污泥进入污泥发酵耦合反硝化反应器，发生污泥发酵实现污泥减量，并利用污泥发酵产生的能量进行反硝化深度脱氮。本发明节省能源能耗，适用于低C/N比、高氮负荷污水深度脱氮。
-
Patent Agency Ranking
公开(公告)号：CN107330514A
公开(公告)日：2017-11-07
申请号：CN201710554694.7
申请日：2017-07-10
Applicant: 北京工业大学
Abstract: 本发明公开一种基于极限学习机的空气质量预测方法，包括：步骤1、获取需要进行预测分析的空气质量数据，并且划分为训练数据集与测试数据集；步骤2、基于训练数据集对CNN进行训练并选择在各个验证集中表现的模型作为特征提取的模型；步骤3、将CNN全连接层第一个层的激活值作为GBELM的输入，训练GBELM，选择在各个验证集中表现最好的GBELM作为预测模型；使用GBELM来代替步骤2中得到的CNN的全连接层，得到最终的空气质量预测模型；步骤4、将测试数据输入到空气质量预测模型,计算得到测试数据的抽象特征，再输入到GBELM中得到每个ELM的输出值进行加和，即可得到预测结果。采用本发明的技术方案，具有很高的预测精度。
-
公开(公告)号：CN113095550B
公开(公告)日：2023-12-08
申请号：CN202110322814.7
申请日：2021-03-26
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于变分递归神经网络和自注意力机制的空气质量预测方法，该方法包括如下步骤：获取空气质量数据和天气数据并预处理，构建输入数据和输出数据。编码器的输入数据包括污染物数据和历史气象数据。解码器的输入数据包括编码器的输出结果，气象预报数据，和上一时刻的污染物数据。将数据分割为训练数据和测试数据。使用训练数据对Seq2Seq模型进行训练：使用测试数据测试预测结果。本发明使用Seq2Seq模型对空气质量进行预测。首先在编码器的输入阶段引入了自注意力机制，从而实现了选取特征因子和把握长期时须依赖关系，在模型中使用VRNN代替解码器的RNN，进一步捕获输出端不同时间步之间复杂的依赖关系，有效减少误差积累从而提高预测精度。
-
公开(公告)号：CN116228795A
公开(公告)日：2023-06-06
申请号：CN202310231039.3
申请日：2023-03-13
Applicant: 北京工业大学
IPC: G06T7/11 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于弱监督学习的超高分辨率医学图像分割方法。通过使用弱监督这一深度学习技术，可以在只有图像级别的弱标签信息的情况下，获得一个较为理想的分割效果。除此之外，本发明不仅考虑了标注信息的强弱问题，还关注到针对超高分辨率医学图像训练流程方法的改良问题，主要在医学图像数据集的前处理和模型预测时的后处理阶段提出几项改进，弥补了现有技术中模型训练流程存在的缺陷。
-
公开(公告)号：CN115795361A
公开(公告)日：2023-03-14
申请号：CN202211459197.6
申请日：2022-11-16
Applicant: 北京工业大学
IPC: G06F18/241 , G06N3/126
Abstract: 一种基于特征选择和模型组合优化的分类方法属于基于机器学习的分类预测领域。本文从两个方面提升预测的准确率：(1)使用了集成特征选择的方法，筛选了在多数模型的都具有稳健分类能力的“公认”特征集，提升了特征集的质量，从而优化了模型的预测性能；(2)使用优化的遗传算法筛选了最优的子模型组合，进一步提升了最终集成模型的分类性能。
-
公开(公告)号：CN115346045A
公开(公告)日：2022-11-15
申请号：CN202210808548.3
申请日：2022-07-11
Applicant: 北京工业大学
Abstract: 一种基于对抗网络和自注意力机制的无监督语义分割算法涉及人工智能、自动驾驶领域，实现对自动驾驶图像的准确分割，其包括以下步骤：步骤1、获得自动驾驶图像数据；步骤2、利用对抗生成网络得到原始图像的生成图像；步骤3、利用超像素图像分割算法对原始图像进行预分割；步骤4、将图像输入局部特征提取网络获得图像的局部特征；步骤5、将图像输入全局特征提取网络获得图像的全局特征；步骤6、将局部特征和全局特征相加，并经过一层卷积层和Softmax函数层得到图像的初步分割结果；步骤7、计算预分割结果与原始图像分割结果之间的互信息以及预分割结果与生成图像分割结果之间的互信息；步骤8、采用梯度下降法对分割模型进行训练得到图像分割结果。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.031 seconds)
