-
公开(公告)号：CN119814271A
公开(公告)日：2025-04-11
申请号：CN202411893188.7
申请日：2024-12-20
Applicant: 上海数据集团有限公司 , 上海交通大学
Abstract: 本发明涉及一种PBFT分布式身份共识方法及区块链系统，其中方法将区块链系统中的节点分为运行节点和待命节点，运行节点参与共识过程，提供外部节点的认证服务，待命节点在完成注册后等待激活，不参与当前纪元的共识，保持监听状态，预备下一纪元激活参与；分布式身份共识采用PBFT协议，维持一个主运行节点和多个副本运行节点的结构；共识内容被标准化为提议、验证与执行三个原语，其中，提议由主运行节点调用，将操作及其参数包装成提案并广播给其他副本运行节点；副本运行节点进行操作验证；在满足共识条件后根据参数执行操作。与现有技术相比，本发明具有提供了高效的系统一致性随机转移、增强了区块链系统鲁棒性和灵活性等优点。
-
公开(公告)号：CN118410326A
公开(公告)日：2024-07-30
申请号：CN202410613005.5
申请日：2024-05-17
Applicant: 上海交通大学
IPC: G06F18/213 , G06Q10/0635 , G06N3/0442 , G06N3/08 , G06Q50/08
Abstract: 本公开提供一种基于图卷积门控神经网络的深基坑地表沉降时空预测方法，其包括：根据具有基坑开挖特征的原始数据集，确定具有基坑开挖监测参数的参数数据集；对具有基坑开挖监测参数的参数数据集进行降维处理和相关性分析处理，确定基坑监测点之间的拓扑图；对具有基坑开挖监测参数的参数数据集进行采样处理，确定基坑监测点的样本数据；将基坑监测点的样本数据和拓扑图输入预设的基于图卷积门控神经网络的深基坑地表沉降时空预测模型，确定时空预测结果；对时空预测结果进行敏感性分析处理，确定每一基坑监测点对地表沉降时空预测贡献度。通过本公开，实现对地表沉降时空变化的精准化预测，降低模型训练和时间预测成本，提高资源利用效率。
-
公开(公告)号：CN117557100A
公开(公告)日：2024-02-13
申请号：CN202311629365.6
申请日：2023-11-30
Applicant: 上海交通大学
IPC: G06Q10/0635 , G06Q50/08 , G06F18/2415 , G06F18/2113 , G06N3/0442
Abstract: 本发明公开了基于深度学习的深基坑开挖诱发邻近建筑风险评估方法：采集原始数据集，从原始数据集中确定用于深度学习的基坑开挖监测参数；以基坑开挖监测参数作为输入、以邻近建筑的竖向位移作为输出，采用深度学习算法构建邻近建筑竖向位移预测模型；建立基坑开挖监测参数在指定时间段内的概率模型；基于概率模型生成基坑开挖监测参数的样本数据，将样本数据输入至邻近建筑竖向位移预测模型，得到预测结果；得到邻近建筑处于不同风险等级的概率。本发明用于解决现有技术所面临的执行难度高、成本高、效率低等问题，实现降低对深基坑开挖施工管理人员专业技能的苛刻要求，利用深度学习技术低成本、高效、高精度地实现深基坑开挖诱发邻近建筑风险评估的目的。
-
公开(公告)号：CN116842365A
公开(公告)日：2023-10-03
申请号：CN202310814417.0
申请日：2023-07-04
Applicant: 上海交通大学
IPC: G06F18/213 , G06F18/15 , G06N3/0442 , G06N3/0985 , G06Q50/08 , G06F123/02
Abstract: 本发明公开了基于自动深度学习框架的盾构掘进姿态预测方法，收集原始数据集，预处理、特征提取，搭建自动深度学习框架；进行神经网络训练，使用粒子群优化算法优化模型超参数；输出验证后的深度学习模型，得到不同数据规范化方法、深度学习算法和模型超参数组合下的若干深度学习模型，对若干深度学习模型进行评估，得到表现最优的深度学习模型，进行盾构掘进姿态预测。本发明用以解决现有技术中深度学习技术在盾构掘进姿态预测中所面临的执行难度高、成本高、效率低等问题，实现降低对开发人员专业技能的苛刻要求，以及降低深度学习进入盾构智能控制领域的门槛，使得深度学习技术能够低成本、高效、高精度地用于盾构姿态预测任务中。
-
-
-
Search Results
4
records
(took 0.019 seconds)
