-
公开(公告)号：CN115495991A
公开(公告)日：2022-12-20
申请号：CN202211197406.4
申请日：2022-09-29
Applicant: 河海大学
IPC: G06F30/27 , G06K9/62 , G06F119/02
Abstract: 本发明公开了一种基于时间卷积网络的降水区间预测方法，包括如下步骤，收集降水数据和气象因子数据，构成初始时间序列数据集，并对数据进行预处理；分析气象因子特征，构建特征提取算法，获取气象因子和降水量的关联关系，采用最大信息系数‑异步主成分分析算法筛选出对降水量影响较大的气象因子的时间序列；结合流域面降水量，构建流域面降水预测的时间卷积网络模型，使用训练集中数据训练模型，然后调节模型参数评估模型，使模型收敛,最后使用测试集数据进行预测。本发明利用了TCN捕获有效长时间序列特征的能力，将优化后的LUBE的覆盖宽度评价标准作为训练损失目标函数之一，来产生未来观察结果的概率区间预测，有效提升降水预测的精度。
-
公开(公告)号：CN112835920B
公开(公告)日：2022-10-14
申请号：CN202110086134.X
申请日：2021-01-22
Applicant: 河海大学
IPC: G06F16/242 , G06F16/2453 , G06F16/2455 , G06F16/2458
Abstract: 本发明公开了基于混合存储模式的分布式SPARQL查询优化方法，属于知识图谱的应用，包括如下步骤：1)构建RDF数据存储模块，包括数据特征集的生成、前缀树索引的构建以及RDF数据的存储；2)构建SPARQL查询模块，包括查询解析、查询优化、查询执行。本发明实现了基于混合存储模式的分布式SPARQL查询优化方法，根据RDF原始数据，通过逻辑划分，以不同的关系形式对RDF数据进行存储，然后基于存储的模式构建了前缀树索引和数据特征集，在执行SPARQL查询的过程中基于索引和数据特征集对查询匹配进行优化，从而更有效的获取查询结果。
-
公开(公告)号：CN110163419B
公开(公告)日：2022-08-19
申请号：CN201910349205.3
申请日：2019-04-28
Applicant: 河海大学
Abstract: 本发明公开了一种中小河流流域洪水预报的方法，属于洪水预报方法技术领域。该方法包含以下步骤：步骤1，输入流域的历史水文数据；步骤2，调整参数，训练基于长短时记忆的神经网络模型；步骤3，输入测试数据测试模型性能，判断模型性能是否符合要求；步骤4，保存训练完成的神经网络模型；步骤5，输入实时水文数据，获得预测结果，完成预报。本发明能够根据流域特点调整模型，具有灵活性；预报结果较准确，鲁棒性较好。
-
公开(公告)号：CN114648016A
公开(公告)日：2022-06-21
申请号：CN202210317386.3
申请日：2022-03-29
Applicant: 河海大学
IPC: G06F40/211 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于事件要素交互与标签语义增强的事件论元抽取方法，首先，进行数据集文本的预处理，输出预处理好的文本句和论元角色集合；其次，结合预训练语言模型BERT将文本向量化，输出单词的上下文向量表示，并同时使用词嵌入技术将论元角色标签向量化；再次，利用双向长短期记忆网络和前馈神经网络识别出候选论元跨度；然后，基于注意力机制构建事件要素交互模块，提取事件要素间的相关关系语义特征；最后，基于注意力机制构建标签语义增强模块，实现候选论元的论元角色分类。本发明基于深度学习技术充分建模事件要素间的信息交互，利用标签语义帮助论元角色分类，具有良好的事件论元抽取性能。
-
公开(公告)号：CN108388957B
公开(公告)日：2021-11-23
申请号：CN201810071703.1
申请日：2018-01-25
Applicant: 河海大学
IPC: G06Q10/04 , G06Q50/26 , G06F16/2458 , G06F16/29 , G06K9/62
Abstract: 本发明涉及一种基于多特征融合技术的中小河流洪水预报方法及其预报系统，属于水利信息技术处理领域，包括以下步骤：S1、获得历史洪水场次和实际洪水场次的各雨量站每小时的雨量观测数据；再对这些雨量观测数据进行相似性特征匹配，得到多个不同的匹配结果，将上述多个不同的匹配结果放入不同的集合中；S2、采取基于水利数据的主成分分析投票算法，对每个水文特征的匹配结果进行投票，找到票数最高的洪水场次，从而得到最相似的洪水过程，用于中小河流洪水预报。本发明解决了我国湿润与半干旱半湿润地区中小河流的洪水预报问题，提高了中小河流洪水预测预报精度。
-
Patent Agency Ranking
公开(公告)号：CN108304668B
公开(公告)日：2021-07-09
申请号：CN201810140277.2
申请日：2018-02-11
Applicant: 河海大学
Abstract: 本发明公开了一种结合水文过程数据和历史先验数据的洪水预测方法，利用加权聚类算法对影响降雨信息进行聚类分析，近似含水量信息；对数据进行清理，补充缺失的数据，修正错误数据；根据流域特征选取通用水文模型，获取水文过程中的变量之间的因果推理关系；对获取的一组组推理关系，采用有向图的形式进行表示，其中节点表示物理变量，边的方向表示因果推理关系，并以此拓扑结构构建贝叶斯网络；利用历史数据，结合通用水文模型，模拟产生中间结果数据，共同组成样本集；根据样本集获取历史先验知识，计算条件概率表，以实现对网络的训练，完成水文过程知识和历史先验知识的综合建模；输入测试数据，实现洪水预测。
-
公开(公告)号：CN112785043A
公开(公告)日：2021-05-11
申请号：CN202011639357.6
申请日：2020-12-31
Applicant: 河海大学
IPC: G06Q10/04 , G06Q50/26 , G06F16/2458 , G06F16/29 , G06N3/04
Abstract: 本发明属于数据驱动水流预报技术领域，公开了一种基于时序注意力机制的洪水预报方法，首先，收集研究的中小流域的水文数据，然后将收集到的所述水文历史数据经过数据预处理后输入到本模型中；其次，对水文历史数据进行数据清洗、数据变换、数据集划分等；再次，构建基于时序注意力机制的洪水预报模型；输入测试数据测试预报模型性能，判断网络性能是否符合要求，如果不符合则进行参数调节，直到达到理想的预测结果；最后，通过评估标准对模型进行分析，完成洪水预报。本发明的有益效果是：能够有效的预报洪峰精度和洪水趋势，是中小河流洪水实时预报的有效工具。
-
公开(公告)号：CN112765300A
公开(公告)日：2021-05-07
申请号：CN202110110210.6
申请日：2021-01-26
Applicant: 河海大学
Abstract: 本发明公开了基于ArcGIS空间数据的水利对象关系图谱构建方法，属于知识图谱技术领域，其主要思想可概括为两大要点：第一点，从ArcGIS中提取出水利对象信息以及水利对象之间的关联关系。根据前期收集的水利数据信息，按照一定的步骤和标准对数据进行清洗、筛选以及划分，构建出水利对象的关键信息。根据不同情况的实际需要，可将不同对象之间的关联关系用数据的形式来呈现。第二点，根据水利对象信息构建图谱的三元组。水利对象的三元组包括单个对象的三元组以及若干个有关联关系的对象之间的相应三元组。本发明的有益效果为：能够有效的利用水利信息构建相应的图谱模块，为水利图谱服务。
-
公开(公告)号：CN112487015A
公开(公告)日：2021-03-12
申请号：CN202011371750.1
申请日：2020-11-30
Applicant: 河海大学
IPC: G06F16/242 , G06F16/2458 , G06F16/27
Abstract: 本发明公开了基于增量重划分的分布式RDF系统及其查询优化方法，属于知识图谱数据存储技术领域，本发明的系统架构包括RDF数据清洗模块、RDF数据划分模块、增量重划分模块和分布式查询模块。本发明提出了一种混合关系模式存储RDF数据的存储框架，减少了数据预处理时间和系统存储开销；通过采用哈希划分和垂直划分相结合的混合存储模式，优化了各种类型的查询模式，显著提高了分布式SPARQL查询性能；设计基于频繁模式的增量重划分模型，实现了动态适应查询工作负载变化。
-
公开(公告)号：CN111339316A
公开(公告)日：2020-06-26
申请号：CN202010122562.9
申请日：2020-02-27
Applicant: 河海大学
Abstract: 本发明公开了一种知识图谱可视化编辑与持久化实现方法及系统架构，所述方法提供允许基于特定的可视化知识图谱布局文件实现对知识图谱编辑结果的持久化，支持SPARQL查询、可视化交互编辑，并能够将编辑结果持久化为通用的知识图谱文件或者本发明定义的可视化图谱布局文件。所述的系统架构主要包括前台可视化图谱交互模块、后台图数据库管理模块两个部分。本发明利用可视化技术，将知识图谱中用结构化方式描述的实体间语义关系直观地表现出来；同时定义了可视化知识图谱的布局文件，方便用户将可视化成果便捷地保存、恢复。本发明能为知识图谱相关工作中实现高效交流、直观展示提供支撑。
-
-
-
-
-
-
-
-
-
Search Results
230
records
(took 0.024 seconds)
