-
公开(公告)号：CN115909662B
公开(公告)日：2024-11-15
申请号：CN202211221993.6
申请日：2022-10-08
Applicant: 内蒙古工业大学
Abstract: 一种淤地坝防洪预警方法，选取水文风险、运行风险和工程风险，构建淤地坝防洪风险评价体系；水文风险指标包括水面到坝顶的距离C1以及有无溢洪道C2；运行风险指标包括剩余淤积年限C3、剩余淤积库容C4以及有无防汛预案C5；工程风险指标包括基础防渗质量C6、坝体防渗质量C7、填筑质量C8、坝肩渗漏C9以及坝体及防渗体渗漏C10；获取淤地坝实时水位，以获取指标C1；确定各类指标的影响因子和划分防洪预警等级；影响因子，是指标对淤地坝防洪风险的影响大小；将影响因子通过加权、归一化得到综合防洪风险得分；确定防洪预警等级。本发明还提供了一种淤地坝防洪预警系统，可使淤地坝防洪预警的操作步骤清晰化，并提高了其智能化。
-
公开(公告)号：CN114565136B
公开(公告)日：2024-01-26
申请号：CN202210103413.7
申请日：2022-01-27
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/26 , G06F30/27 , G06N3/045 , G06N3/0442 , G06N3/0475 , G06N3/094
Abstract: 一种基于生成对抗网络的空气质量预测优化方法，收集数据若干空气质量监测点的实测数据和一次预报数据；利用空气质量监测点A的实测数据，训练生成对抗网络A，对其它空气质量监测点的实测数据，分别利用生成对抗网络A的判别器继续训练，得到多个生成器，通过得到的生成器预测和修正对应空气质量监测点的一次预报数据，并作为二次预报模型的输入；根据各空气质量监测点的生成器，对每一个空气质量监测点生成器的预测结果进行集成，建立一个协同时空的二次预报模型，并通过该模型得到污染物的浓度值单日预报，并计算相应AQI和首要污染物。本发明可降低预测结果误差，提高预报的准确性。
-
公开(公告)号：CN114496112B
公开(公告)日：2023-10-31
申请号：CN202210069880.2
申请日：2022-01-21
Applicant: 内蒙古工业大学
Abstract: 本发明公开了一种基于多目标优化的抗乳腺癌药物成分智能量化方法。首先，在已有的化合物数据集上筛选影响ERα生物活性的主要分子描述符。然后，基于粒子群优化的神经网络构建化合物对ERα生物活性的定量预测模型。接着，以药物的吸收、分配、代谢、排泄和毒性(ADMET)的度量为目标，基于决策树构建化合物的ADMET特征的特性预测模型。最后，综合定量预测模型和特性预测模型，以帕累托(Pareto)优化理论为指导，构建基于多目标优化的遗传算法模型，找到满足最优目标的化合物(分子描述符的组合)，再利用蒙特卡罗假设检验，对得到的最优化目标的化合物进行抽样统计，并以特定的置信度来确定化合物中不同分子描述符的最佳取值范围。
-
公开(公告)号：CN114565136A
公开(公告)日：2022-05-31
申请号：CN202210103413.7
申请日：2022-01-27
Applicant: 内蒙古工业大学
Abstract: 一种基于生成对抗网络的空气质量预测优化方法，收集数据若干空气质量监测点的实测数据和一次预报数据；利用空气质量监测点A的实测数据，训练生成对抗网络A，对其它空气质量监测点的实测数据，分别利用生成对抗网络A的判别器继续训练，得到多个生成器，通过得到的生成器预测和修正对应空气质量监测点的一次预报数据，并作为二次预报模型的输入；根据各空气质量监测点的生成器，对每一个空气质量监测点生成器的预测结果进行集成，建立一个协同时空的二次预报模型，并通过该模型得到污染物的浓度值单日预报，并计算相应AQI和首要污染物。本发明可降低预测结果误差，提高预报的准确性。
-
公开(公告)号：CN116757074B
公开(公告)日：2024-12-31
申请号：CN202310700721.2
申请日：2023-06-14
Applicant: 内蒙古工业大学
Abstract: 一种面向不同土壤化学性质的放牧策略智能优化方法，根据收集的近几年不同放牧强度土壤碳氮监测数据，对数据进行异常值与缺失值的检测，利用生成的化学性质与放牧强度相关图，预测下一个周期的土壤化学性质数据，结合所述关系系数，得到不同放牧强度对土壤化学性质的影响值，并进行相关分析；采用时间序列预测方法，土壤有机碳、土壤无机碳、土壤全碳、土壤全氮、土壤C/N比五种化学性质作为输入，放牧强度作为输出，最终返回预测结果并选择最适合的放牧策略。本发明通过建立放牧策略与土壤化学性质影响的预测模型，给出面向不同土壤化学性质的放牧策略智能优化的结果，为合理放牧提供更好的策略。
-
Patent Agency Ranking
公开(公告)号：CN118863440A
公开(公告)日：2024-10-29
申请号：CN202411024165.2
申请日：2024-07-29
Applicant: 内蒙古工业大学
IPC: G06Q10/0631 , G06Q50/04 , G06Q10/04 , G06N3/006
Abstract: 本发明提出了基于改进PSO算法的柔性作业车间生产调度优化方法及系统，方法包括：获取柔性作业车间调度的原始数据，对原始数据进行预处理；初始化粒子群；根据精英保留策略迭代计算每个粒子的适应度值，根据每次迭代的适应度值更新下一次的更新粒子的速度和位置，当每次粒子的位置更新后，再次重新计算每个粒子的适应度值；根据每个粒子的适应度值的最优解对应更新个体或全局的位置和适应度值；当前迭代的次数达到最大迭代次数或粒子的当前适应度值达到全局最优适应度值，则停止迭代，并输出最优的调度方案和对应最好的最大完工时间。本发明解决大规模生产调度问题，提升生产效率并降低生产成本。
-
公开(公告)号：CN115330026A
公开(公告)日：2022-11-11
申请号：CN202210845311.2
申请日：2022-07-19
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06F16/2458 , G06F17/16
Abstract: 本发明提供了一种基于Transformer和改进掩码矩阵的风电功率预测方法，该方法将含有缺失值的原始数据与位置矩阵相加，然后与改进掩码矩阵相乘以构造主动缺失，得到带有位置信息和掩码信息的时间序列数据，该时间序列数据作为Transformer中编码器的输入矩阵得到重构数据，计算重构数据中主动缺失部分与原始数据中主动缺失部分之间的损失；根据重构数据和所述位置矩阵，将原始数据中的缺失值插补，当Transformer模型收敛的时候，此时使用重构数据对原始数据插补出来的结果为最终插补的结果；最终利用插补得到的数据集进行风电功能预测。本发明能够在数据集不完整的情况下准确地预测风电功率。
-
公开(公告)号：CN118863168A
公开(公告)日：2024-10-29
申请号：CN202411024256.6
申请日：2024-07-29
Applicant: 内蒙古工业大学
IPC: G06Q10/04 , G06Q50/04 , G06F18/213 , G06F18/15 , G06N3/045 , G06N3/0464 , G06F18/2415 , G06N3/048
Abstract: 本发明提出了一种基于CEEMDAN‑Informer的车间作业加工时间预测方法，方法包括：获取车间作业加工时间数据并进行预处理；使用CEEMDAN算法对预处理后的数据特征提取，得到分解后的本征模态函数和本征模态分量；根据本征模态函数利用基于Informer算法的多头蒸馏自注意力机制构建全局特征关系模型；采用Informer对车间作业加工时间进行序列‑序列的预测，得到预测的车间作业加工时间。本发明可提高车间作业加工时间预测的适用范围和预测准确率，并用于车间调度问题。
-
公开(公告)号：CN115527052A
公开(公告)日：2022-12-27
申请号：CN202211174947.5
申请日：2022-09-26
Applicant: 内蒙古工业大学
IPC: G06V10/762 , G06V10/774 , G06V10/82
Abstract: 一种基于对比预测的多视图聚类方法，收集若干样本的初始多视图数据，每个样本的视图数据数量为2，将各样本划分为完整数据和不完整数据；构建网络1和网络2；网络1中，编码器将某个样本的两种视图分别投影成潜在表示，两组预测模块基于对比学习，实现潜在表示之间的相互预测；网络2以网络1的解码器生成生成器构建生成对抗网络；利用完整数据训练网络1；利用不完整数据训练网络2，将不完整数据转化为假完整数据；利用假完整数据再次训练网络1，将原始的多视图数据传给网络1学习并获取潜在表示拼接而成的公共表示，在公共表示上使用Kmeans聚类算法得到最后的聚类结果。本发明能够有效利用不完整数据中的隐藏信息，显著提升聚类表现。
-
公开(公告)号：CN114862036A
公开(公告)日：2022-08-05
申请号：CN202210569405.1
申请日：2022-05-24
Applicant: 内蒙古工业大学
Abstract: 一种基于XGBoost扩展金融因子的风电功率预测方法，包括基于时间窗口的特征生成方法，用于获取风力发电功率数据中的潜在关联；基于风力发电功率K线的特征生成方法，用于生成风力发电功率数据中的金融因子；基于梯度提升回归树的XGBoost算法，用于预测超短期风力发电功率数据。该发明在原有的风力发电功率数据基础上，通过时间窗口生成含有短时间内功率潜在关联的数据，结合时间窗口生成风力发电功率特有的K线，通过风力发电功率K线生成特有的风力发电功率KDJ与MACD。最后将含有气象数据，时间窗口数据，金融因子的数据集传入XGBoost模型中，对未来风力发电功率进行预测，拥有极高的预测准确率与极短的预测时间。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.02 seconds)
