-
公开(公告)号：CN117272832A
公开(公告)日：2023-12-22
申请号：CN202311410523.9
申请日：2023-10-27
Applicant: 上海交通大学
IPC: G06F30/27 , G06F30/28 , G06N3/0499 , G06N3/084 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 一种基于神经网络的post‑dryout传热区仿真方法，以水为传热物质，获得基于不同实验条件下的post‑dryout实验数据的无量纲数数据集，将其结合经验公式构建努塞尔数的目标物理信息，用于对构建得到的BP神经网络进行训练，在在线阶段采用训练后的BP神经网络进行实时仿真。本发明着重构建目标努塞尔数的物理信息，并与神经网络结合，通过深度学习方法探究不同实验条件与post‑dryout工况传热系数变化的内在联系，能够取得平均相对误差在0.03％以内的预测精度，能够实现post‑drtyout传热的精确仿真。
-
公开(公告)号：CN117272832B
公开(公告)日：2024-03-19
申请号：CN202311410523.9
申请日：2023-10-27
Applicant: 上海交通大学
IPC: G06F30/27 , G06F30/28 , G06N3/0499 , G06N3/084 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 一种基于神经网络的post‑dryout传热区仿真方法，以水为传热物质，获得基于不同实验条件下的post‑dryout实验数据的无量纲数数据集，将其结合经验公式构建努塞尔数的目标物理信息，用于对构建得到的BP神经网络进行训练，在在线阶段采用训练后的BP神经网络进行实时仿真。本发明着重构建目标努塞尔数的物理信息，并与神经网络结合，通过深度学习方法探究不同实验条件与post‑dryout工况传热系数变化的内在联系，能够取得平均相对误差在0.03％以内的预测精度，能够实现post‑drtyout传热的精确仿真。
-
Patent Agency Ranking
公开(公告)号：CN117040595A
公开(公告)日：2023-11-10
申请号：CN202311016060.8
申请日：2023-08-11
Applicant: 上海交通大学
Abstract: 本发明提供了一种可重构智能表面辅助的低轨卫星通导融合方法及系统，包括：步骤S1：对RIS阵列的相移进行通信、导航双指标的联合设计；步骤S2：根据收到的导航数据进行用户侧的伪距法定位，获得用户的三维位置坐标；步骤S3：解算用户自身的三维位置坐标信息后，利用天线将三维位置坐标信息发送给卫星；步骤S4：利用用户的三维位置坐标和卫星的三维位置坐标，重构出卫星和用户之间的视线信道，作为真实信道的估计信道，根据估计信道，在卫星侧设计下行的波束赋形向量；步骤S5：选择卫星和用户建立通信链路，为用户提供通信服务。本发明为卫星通信信道反馈困难的问题提供了一个解决思路。
-
公开(公告)号：CN118134052A
公开(公告)日：2024-06-04
申请号：CN202410378233.9
申请日：2024-03-29
Applicant: 上海交通大学
IPC: G06Q10/04 , G06Q50/06 , G06F18/23213 , G06F18/2113 , G06F18/213 , G06F18/214 , G06F18/27 , G06N3/045 , G06N3/08 , G06F123/02
Abstract: 本发明提供了一种基于数据降维和组合神经网络的数据时序预测方法，涉及核反应堆控制技术领域，该方法包括：获得核电站工作状态的原始数据集；对原始数据集使用结合轮廓系数的k均值聚类算法获得工况序列；根据互信息算法计算关联程度，确定关联最密切的重要特征参数；根据重要特征参数的数据集对Transformer&MLP的组合神经网络进行训练得到时序预测模型；对核电站未来工作状态进行数据预测。本发明实施例以核电站工况变化的实际传感器数据为依据，经过数据降维和特征提取得到数据集，构建组合神经网络使用数据集中的时间序列数据进行学习训练，最终得到预测模型，实现对数据的高精度超前预测。
-
公开(公告)号：CN118964975A
公开(公告)日：2024-11-15
申请号：CN202410968712.6
申请日：2024-07-19
Applicant: 上海交通大学
IPC: G06F18/214 , G06N3/0985
Abstract: 本发明涉及一种计及预测误差的数字孪生核电厂时序数据预测方法和设备，方法包括如下步骤：步骤S1，获取核电厂测量数据并作为预训练好的Transformer网络的输入，得到下一时刻的预测结果；步骤S2，将所述预测结果作为预训练好的多层感知器的输入，得到误差补偿；步骤S3，将所述预测结果与所述误差补偿叠加，得到最终的预测结果。本发明在Transformer预测模型基础上添加以多层感知器为核心的校正器，并利用新数据与TPE算法对校正器进行超参数优化，进而获得精度更高的预测模型。通过对校正前后的预测精度进行对比，说明了所提出校正算法的有效性。
-
公开(公告)号：CN118734211A
公开(公告)日：2024-10-01
申请号：CN202410713827.0
申请日：2024-06-04
Applicant: 上海交通大学
IPC: G06F18/2433 , G06N3/0464 , G06N3/08 , G06Q50/06 , G06F123/02
Abstract: 一种核电厂数字孪生控制与预测耦合方法，在离线阶段通过构造基于异常工况转变过程中传感器测量值的运行数据集和基于核电站异常运行时系统保护措施的控制操作数据集，将两个数据集同时输入神经网络进行训练，得到针对异常工况核电厂运行数据的时序预测模型，在在线阶段通过训练后的时序预测模型进行实时工况数据判断。本发明基于实际的反应堆控制要求，对异常工况下的控制操作措施进行数学量化，着重考虑人机融合在预测模型中的体现，能够确保预测时间足够超前的情况下实现对运行数据的精确预测。
-
公开(公告)号：CN116047079A
公开(公告)日：2023-05-02
申请号：CN202211605382.1
申请日：2022-12-14
Applicant: 上海交通大学医学院附属新华医院
IPC: G01N33/68 , G01N33/574
Abstract: 本发明提供了一种分子标志物的应用，其特征在于：所述分子标志物选自同型半胱氨酸Hcy修饰的半胱氨酸热休克蛋白HSP72；所述应用为：用于制备前列腺癌的筛查工具、或预测工具、或诊断工具。该分子标记物可以弥补PSA筛查的不足，更准确地诊断出前列腺癌。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
