-
公开(公告)号：CN110991660A
公开(公告)日：2020-04-10
申请号：CN201910592467.2
申请日：2019-07-03
Applicant: 北京市安全生产科学技术研究院
Abstract: 本发明提供一种基于蝗虫优化的LSSVM-ARIMA模型的态势分析方法、系统和存储介质，属于机器学习与数据挖掘领域，其特征在于采用如下步骤：(1)随机初始化蝗群初始位置和 (2)确定目标函数 (3)进行位置更新；(4)重复(1)(2)步骤，输出c、σ；(5)建立LSSVM模型和ARIMA模型；计算预测结果y1(t)；(6)确定低频分量Aj(t)和高频分量Dj(t)；(7)得到第一预测结果y1(t)；(8)计算预测结果y2(t)；(9)将预测结果y1(t)和y2(t)进行拟合，得到最终的态势结果y(t)。本发明采用了将LSSVM与ARIMA组合的方式，利用蝗虫优化算法对时变态势模型实现参数优化。实验结果表明本发明建立的企业安全生产态势预测方法是有效的，为企业安全生产管理态势分析提供了一种可靠的方法。
-
公开(公告)号：CN108304229B
公开(公告)日：2019-02-19
申请号：CN201810088823.2
申请日：2018-01-30
Applicant: 北京市安全生产科学技术研究院 , 中安华邦(北京)安全生产技术研究院股份有限公司 , 北京城市系统工程研究中心 , 北京石油化工学院
Abstract: 本发明涉及一种安全生产VR实训关卡模型动态加载生成方法和系统。所述方法包括：步骤1，确定关卡模型中的静态模型和动态模型，其中，所述静态模型为相对于场景不需要移动的模型，所述动态模型为相对于场景需要移动的模型；步骤2，根据所述静态模型生成可从外部动态加载的静态模型资源文件；步骤3，根据所述动态模型生成可从外部动态加载的动态模型资源文件；步骤4，根据所述静态模型资源文件和所述动态模型资源文件生成资源文件，根据所述资源文件生成打包安装文件。本发明的技术方案可避免关卡模型资源浪费，占用大量系统空间，并且在软件更新时，不需要重新下载安装，实现不影响用户使用的外部更新。
-
公开(公告)号：CN110689051A
公开(公告)日：2020-01-14
申请号：CN201910839626.4
申请日：2019-09-06
Applicant: 北京市安全生产科学技术研究院 , 清华大学
Abstract: 本发明公开了一种基于迁移学习的燃气管道内腐蚀模式智能辨识方法，包括如下步骤：（1）采集和分类图像；（2）建立燃气管道内腐蚀图像数据集；（3）基于迁移学习建立的燃气管道内腐蚀模式辨识模型；（4）模型微调再训练。采用无损探测设备对燃气管道的内腐蚀缺陷进行探测，获得燃气管道内腐蚀的原始图像资料，根据内腐蚀缺陷的空间分布特征，将燃气管道内腐蚀划分为五种模式；为数据集的每张图像添加内腐蚀模式标签，将数据集按比例划分为训练集和测试集，基于迁移学习方法，利用已在大规模图像数据集预训练的图像分类模型，建立燃气管道内腐蚀模式的智能辨识方法，克服对主观经验的依赖，降低对数据集规模的要求，节省模型学习的时间和算力成本。
-
公开(公告)号：CN108304229A
公开(公告)日：2018-07-20
申请号：CN201810088823.2
申请日：2018-01-30
Applicant: 北京市安全生产科学技术研究院 , 中安华邦(北京)安全生产技术研究院股份有限公司 , 北京城市系统工程研究中心 , 北京石油化工学院
CPC classification number: G06F9/44521 , G06F8/65
Abstract: 本发明涉及一种安全生产VR实训关卡模型动态加载生成方法和系统。所述方法包括：步骤1，确定关卡模型中的静态模型和动态模型，其中，所述静态模型为相对于场景不需要移动的模型，所述动态模型为相对于场景需要移动的模型；步骤2，根据所述静态模型生成可从外部动态加载的静态模型资源文件；步骤3，根据所述动态模型生成可从外部动态加载的动态模型资源文件；步骤4，根据所述静态模型资源文件和所述动态模型资源文件生成资源文件，根据所述资源文件生成打包安装文件。本发明的技术方案可避免关卡模型资源浪费，占用大量系统空间，并且在软件更新时，不需要重新下载安装，实现不影响用户使用的外部更新。
-
-
-
Search Results
4
records
(took 0.029 seconds)
