-
公开(公告)号：CN118673377A
公开(公告)日：2024-09-20
申请号：CN202410673719.5
申请日：2024-05-28
Applicant: 北京工业大学
IPC: G06F18/241 , G01N33/18 , G06F18/15 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06F16/215
Abstract: 本发明公开了一种基于集成深度学习的污水处理过程水质软测量方法、装置及设备，包括以下步骤：S10、获取测量仪器采集的历史污水数据形成历史数据库；S20、将历史数据库中的数据按照时间顺序进行排序进行数据预处理，划分为训练集和数据集；S30、构建集成深度学习模型；S40、根据预处理后的所述历史污水数据训练集成深度学习模型，验证模型的准确性；S50、获取测量仪器采集的实时污水数据，将实时污水数据输入至集成深度学习模型中，得到污水水质指标的软测量结果。本发明针对污水数据的时序特性提出集成深度学习模型，同时将深度学习软测量方法与污水检测仪器相结合，解决了实时性低、操作复杂、耗材消耗量大等难题。
-
公开(公告)号：CN112330238B
公开(公告)日：2024-06-21
申请号：CN202010781396.3
申请日：2020-08-06
Applicant: 北京工业大学
IPC: G06Q10/083 , G06Q30/018 , G06Q30/0601 , G06F21/64
Abstract: 本发明公开了基于食品供应链主体信用的改进实用拜占庭共识方法，基于信用的主节点选取机制，随机选取候选主节点成为主节点，主节点在进行共识之前需要预付一定信用值，若是共识完成则归还并给予一定奖励，若共识失败则扣除预付信用。该发明通过动态调整供应链上的参与主体信用度和食品可靠度，并在实用型拜占庭共识之前，关于节点的扩展、主节点的选取，都基于以上信用机制，从而激励参与主体讲信用并为消费者提供食品可靠度参考，提高共识效率，增强主节点的安全性，该算法使之更加符合应用场景，克服原有的局限性。通过改进共识方法，提高共识效率，增强主节点的安全性，同时更适用于基于区块链技术的食品追溯流程，使商家更诚信、消费者更放心。
-
公开(公告)号：CN112989704B
公开(公告)日：2024-04-02
申请号：CN202110338019.7
申请日：2021-03-30
Applicant: 北京工业大学
IPC: G06F30/27 , G06F18/2135 , G06N3/043 , G06N3/08 , G06N7/02 , G06Q10/04 , G06Q10/063
Abstract: 本发明公开了一种基于DE算法的IRFM‑CMNN出水BOD浓度预测方法，针对当前污水处理过程中出水BOD与各个污水出水指标之间都有相互影响，导致出水BOD具有较强的非线性等特征，难以准确实时测量的问题，本发明基于城市污水处理生化反应特性，设计一种基于DE算法的交互递归模糊隶属度小脑模型神经网络，用于预测污水处理出水BOD关键水质参数的浓度，解决了污水处理出水BOD难以精确测量的问题；结果表明该交互递归模糊隶属度小脑模型神经网络可以快速准确地实现对污水处理出水BOD浓度的准确测量，根据准确的预测结果有针对性地调整污水处理系统的运行参数，保障了污水处理系统的平稳有效运行，提高了污水处理厂处理不合格水的效率。
-
公开(公告)号：CN115660165A
公开(公告)日：2023-01-31
申请号：CN202211298386.X
申请日：2022-10-23
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q50/26 , G06N3/006 , G06N3/0499 , G06N3/048
Abstract: 基于多步预测技术可以对污水处理过程的出水氨氮溶度实现软测量，掌握氨氮浓度的变化趋势，本发明获得了一种基于双层粒子群的模块化神经网络出水氨氮多步预测方法，根据污水处理过程采集的数据实现了出水氨氮的多步测量，解决了难以掌握污水处理过程出水氨氮浓度变化趋势的问题，提高了城市污水处理厂控制决策的灵活性。为了提高多步时间序列预测的精度，提出了一种基于双层粒子群算法的模块化神经网络。为外部层设计的粒子群算法可以优化预测范围的任务划分，为内部层设计的多目标粒子群算法可以权衡模块化网络中每个子网络的预测精度和隐含层结构大小。本发明利用MATLAB平台完成。
-
公开(公告)号：CN110991616A
公开(公告)日：2020-04-10
申请号：CN201911211235.4
申请日：2019-12-02
Applicant: 北京工业大学
Abstract: 一种基于删减型前馈小世界神经网络的出水BOD预测方法实现BOD浓度的实时预测是先进制造技术领域的重要分支，既属于控制领域，又属于水处理领域。本发明通过设计删减型前馈小世界神经网络，根据污水处理过程采集的数据实现了BOD浓度的实时准确测量，解决了污水处理过程出水BOD浓度难以实时测量的问题，提高了城市污水处理厂水质质量实时监控水平。
-
Patent Agency Ranking
公开(公告)号：CN109978024A
公开(公告)日：2019-07-05
申请号：CN201910181758.2
申请日：2019-03-11
Applicant: 北京工业大学
Abstract: 一种基于互联模块化神经网络的出水BOD预测方法涉及人工智能领域，直接应用于污水处理领域。本发明模拟人脑模块化结构及信息处理模式，以提高出水BOD的预测精度。本发明采用自适应特征聚类方法将输入变量分解成若干个输入变量子集合，作为子模块的输入变量，在模块化神经网络中加入子模块互联策略以构建互联模块化神经网络，并通过改进的LM(Levenberg‑Marquard)算法对网络训练，对出水BOD进行预测，旨在提高其预测精度。
-
公开(公告)号：CN107180236A
公开(公告)日：2017-09-19
申请号：CN201710406917.5
申请日：2017-06-02
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于类脑模型的多模态情感识别方法。该方法包括：定义区分度指标衡量各模态特征的组间差异程度，提取初选数据特征；利用主成分分析方法进行特征降维，得到各模态下数据特征向量设计一种具有子模块结构的类脑模块化神经网络，实现对多模态特征的融合，连接结构设计包含模块中各子模块内部神经元之间的连接模块中各子模块之间的连接以及各模块之间的连接采用“赢者全拿”策略判断样本所属类别；基于Hebbian规则设计权值更新规则，包括初步更新及次级更新两步，分别对连接权值进行更新；所得连接权值用于测试数据，对分类效果进行评价。本发明提高了多模态情感识别的准确率。
-
公开(公告)号：CN112863614B
公开(公告)日：2024-04-02
申请号：CN202110026431.5
申请日：2021-01-08
Applicant: 北京工业大学
IPC: G16C20/20 , G16C20/70 , G06F30/27 , G06N3/045 , G06N3/0499 , G06N3/08 , G01N33/18 , G06F119/12
Abstract: 本发明公开了一种基于EMD算法的模块化神经网络的出水氨氮软测量方法，针对污水处理过程中出水氨氮浓度难以快速准确地实时检测，确保出水水质实时排放达标问题，本发明利用基于EMD算法的模块化神经网络建立出水氨氮预测模型。该模型包括：使用基于EMD的任务分解算法对出水氨氮时间序列进行分解成多个简单，单频率，独立的子时间序列；采用样本熵和欧式距离计算所述子时间序列的复杂性和相似性，合并复杂性小，相似性大的子时间序列，并建立相应所述子网络模块进行学习；结果表明该预测模型能自动调整网络结构，准确地预测污水处理过程中出水氨氮浓度，确保了污水处理过程的稳定安全运行。
-
公开(公告)号：CN116796270A
公开(公告)日：2023-09-22
申请号：CN202310608736.6
申请日：2023-05-29
Applicant: 北京工业大学
IPC: G06F18/2433
Abstract: 一种基于时序异常因子算法的出水BOD浓度异常数据检测方法实现出水BOD浓度的异常数据检测是先进制造技术领域的重要分支，既属于控制领域，又属于水处理领域。本发明通过设计时序异常因子算法，根据污水处理过程采集的数据实现了出水BOD浓度异常数据的检测，解决了污水处理过程中出水BOD浓度异常数据难以准确检测的问题，提高了城市污水处理厂水质质量实时监控水平。
-
公开(公告)号：CN112949894B
公开(公告)日：2023-09-19
申请号：CN202011458698.3
申请日：2020-12-10
Applicant: 北京工业大学
IPC: G06N3/0442 , G06N3/084 , G06Q10/04
Abstract: 一种基于简化型长短期记忆神经网络的出水BOD预测方法涉及人工智能领域，直接应用于污水处理领域。针对当前污水处理过程出水BOD浓度存在测试周期长、滞后性较大、不能及时反映水体中BOD的变化等问题，本发明提出了一种基于简化型长短期记忆神经网络的出水BOD预测方法，该方法包括：通过耦合输入门与遗忘门实现对标准长短期记忆神经网络的结构简化，从门结构控制方程中消除输入信号与偏差对门结构方程参数进行精简，采用梯度学习算法进行训练；结果表明该模型能够在不显著降低预测精度的情况下，缩短训练时间，准确、快速地预测污水处理过程中出水BOD浓度，为污水处理过程中高效率、低成本预测出水BOD浓度提供理论支持。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.034 seconds)
