-
公开(公告)号：CN118643292A
公开(公告)日：2024-09-13
申请号：CN202410747998.5
申请日：2024-06-11
Applicant: 北京师范大学
IPC: G06F18/20 , G06F18/10 , G06N3/0442 , G06N3/006 , G06F18/214 , G06F30/27
Abstract: 本发明涉及河流径流量预测技术领域，特别是指一种基于RLMD‑DBO‑BiLSTM的河流径流量预测方法和系统，所述方法包括：S1、获取并预处理待预测站点的径流量历史数据；S2、将预处理后的数据进行鲁棒性局部均值分解RLMD，得到多个乘积函数PF分量；S3、将每个乘积函数PF分量分别输入初始的双向长短时记忆网络BiLSTM，利用蜣螂优化DBO算法进行超参数寻优，得到具有最优超参数的BiLSTM；S4、将每个乘积函数PF分量分别输入并训练所述具有最优超参数的BiLSTM，得到训练完成的BiLSTM；S5、使用所述训练完成的BiLSTM，对待预测站点的河流径流量进行预测。采用本发明，可以对河流径流量进行准确预测。
-
公开(公告)号：CN118247650A
公开(公告)日：2024-06-25
申请号：CN202410174926.6
申请日：2024-02-07
Applicant: 北京师范大学
Abstract: 本发明提供一种水体中叶绿素含量的估算方法及系统，涉及数据处理技术领域，方法包括：获取光谱数据；提取所述光谱数据的光谱特征；构建叶绿素含量估算模型；通过所述叶绿素含量估算模型，根据所述光谱特征，估算水体中叶绿素含量。在本发明中，提取光谱数据的光谱特征，进而根据光谱特征通过叶绿素含量估算模型估算水体中叶绿素含量。可以充分利用多种多样的光谱特征，而不仅仅局限于蓝光、绿光和红光三个波段，同时，叶绿素含量估算模型无需基于一些理想性的假设，避免产生误差，提升叶绿素含量的测量准确性。
-
公开(公告)号：CN115392855B
公开(公告)日：2023-10-24
申请号：CN202210957566.8
申请日：2022-08-10
Abstract: 本发明公开了一种流域水环境大数据挖掘与业务决策支持系统，包括：数据资源分类模块，用于利用树状信息分类方法及网状信息分类方法对流域水环境数据进行分类；数据存储与交换模块，用于对流域水环境数据进行存储以及对不同网络来源的数据进行交换；接口模块，用于提供各种类型的数据接口和服务接口；数据挖掘与分析模块，用于利用数据分析技术和人工智能技术对流域水环境数据进行数据挖掘与分析，以实现水质预测和污染预警；集成模块，用于进行应用系统集成、界面集成、功能集成和数据集成，以实现统一的开放性可扩展水环境信息平台。本发明涉及流域水环境数据处理技术领域，可实现数据、功能、应用系统的汇集、分析、展示的成套支持体系。
-
公开(公告)号：CN117637054A
公开(公告)日：2024-03-01
申请号：CN202311566753.4
申请日：2023-11-22
Applicant: 北京师范大学
IPC: G16C20/20 , G16C20/70 , G06F30/27 , G06F30/28 , G06N3/126 , G06F113/08 , G06F111/10 , G06F119/14 , G06F111/08
Abstract: 本发明提供一种流域全尺度水生态系统动态模拟方法和装置，应用于环境监测技术领域，包括:获取待模拟水生态环境的遥感影像，构建遥感大数据反演模型，得到遥感大数据反演模型的输出；利用改进的卡尔曼滤波对遥感大数据反演模型的输出进行重采样，对FVCOM水动力模型的输出进行验证和率定，按照预设频率，对待模拟水生态环境进行动态连续模拟。本申请针对现有水质模型的模拟结果具有较大的不确定性问题，提供了一种能够通过将GA和ANN结合建立遥感大数据反演模型，能够应用与长期、多尺度、大范围的水生态质量动态监测。
-
公开(公告)号：CN116795937A
公开(公告)日：2023-09-22
申请号：CN202310357357.4
申请日：2023-04-06
Applicant: 北京师范大学
Abstract: 本发明涉及生态水文模拟估算方法技术领域，特别是指一种草地覆盖区域的蒸散发智能模拟方法和装置。方法包括：基于双源蒸散发模型分别模拟草地覆盖区域蒸发和蒸腾量；利用胁迫函数刻画根系层不同深度土壤水分对蒸散发的影响，并对蒸发和蒸腾量进行修正；对比分析根系层不同深度土壤水分对蒸发和蒸腾修正效果，确定基于根系层土壤水分的蒸散发修正函数。采用本发明，量化了根系层不同深度土壤水分对蒸腾和蒸发过程的胁迫作用，提出了草地覆盖区域根系层土壤水分胁迫修正下的蒸散发优化模拟方法，开创了根系层土壤水分运动在蒸散发过程模拟中概化。
-
Patent Agency Ranking
公开(公告)号：CN115392231A
公开(公告)日：2022-11-25
申请号：CN202210957565.3
申请日：2022-08-10
IPC: G06F40/279 , G06F40/205 , G06F16/338 , G06F16/34 , G06F16/35 , G06Q10/06 , G06Q50/06
Abstract: 本发明公开了一种基于人工智能的水环境舆情识别方法，包括：基于流域水环境大数据资源，结合流域水环境业务需求，收集文本集；对收集的文本集进行预处理，包括数据选择、数据清洗、数据转换中的一种或多种；对预处理后的数据进行特征抽取，并进行特征修剪，得到可用于文本挖掘的特征子集；基于文本挖掘目标和特征子集，采用文本挖掘算法进行水环境舆情识别；将识别结果以图表或报告的方式展示给用户。本发明方法能够实现对海量互联网水环境舆情信息的全面识别和分析，提高了水环境舆情识别的准确性和效率。
-
公开(公告)号：CN117637054B
公开(公告)日：2025-01-17
申请号：CN202311566753.4
申请日：2023-11-22
Applicant: 北京师范大学
IPC: G16C20/20 , G16C20/70 , G06F30/27 , G06F30/28 , G06N3/126 , G06F113/08 , G06F111/10 , G06F119/14 , G06F111/08
Abstract: 本发明提供一种流域全尺度水生态系统动态模拟方法和装置，应用于环境监测技术领域，包括:获取待模拟水生态环境的遥感影像，构建遥感大数据反演模型，得到遥感大数据反演模型的输出；利用改进的卡尔曼滤波对遥感大数据反演模型的输出进行重采样，对FVCOM水动力模型的输出进行验证和率定，按照预设频率，对待模拟水生态环境进行动态连续模拟。本申请针对现有水质模型的模拟结果具有较大的不确定性问题，提供了一种能够通过将GA和ANN结合建立遥感大数据反演模型，能够应用与长期、多尺度、大范围的水生态质量动态监测。
-
公开(公告)号：CN118551338A
公开(公告)日：2024-08-27
申请号：CN202410747996.6
申请日：2024-06-11
Applicant: 北京师范大学
IPC: G06F18/25 , G06N3/0442 , G06F18/214
Abstract: 本发明公开一种河流水质单要素预测方法和系统，包括：收集并预处理待预测站点的河流水质指标历史数据，包括目标变量数据和六种影响因子数据；使用皮尔逊相关性分析方法得出目标变量和影响因子的相关性值，取其绝对值作为权重值，将各种影响因子数据乘以对应的权重值作为各种新的影响因子数据，将各种新的影响因子数据和目标变量数据作为七种特征组合成第一特征矩阵，并划分训练集和测试集；将训练集里的第一特征矩阵输入并训练水质预测多层模型，包括特征级多头注意力模块、BiGRU和时间级多头注意力模块；使用训练完成的水质预测多层模型，对待预测站点的河流水质进行目标变量的单要素预测。采用本发明，可以对河流水质进行目标变量的单要素预测。
-
公开(公告)号：CN118115869A
公开(公告)日：2024-05-31
申请号：CN202410174922.8
申请日：2024-02-07
Applicant: 北京师范大学
Abstract: 本发明提供一种水位波动条件下水生植物提取方法及系统，涉及数据处理技术领域，方法包括：获取遥感数据；对所述遥感数据进行预处理；提取预处后的遥感数据中的水生植物光谱数据；通过EPO算法，对所述水生植物光谱数据进行优化；从优化后的水生植物光谱数据中提取出多层次叶绿素光谱指数、藻青蛋白光谱指数、水草光谱指数、近红外平均反射率指数和大型藻类指数；通过连续统去除法，从优化后的水生植物光谱数据中提取出光谱吸收特征；通过XGBoost分类器，根据多层次叶绿素光谱指数、藻青蛋白光谱指数、水草光谱指数、近红外平均反射率指数、FAI大型藻类指数和光谱吸收特征，对水生植物进行提取。
-
公开(公告)号：CN119759989A
公开(公告)日：2025-04-04
申请号：CN202411898895.5
申请日：2024-12-23
Applicant: 北京师范大学
IPC: G06F16/2458 , G06F16/2457 , G06F16/26 , G06F16/29 , G06N3/0499 , G06N3/09
Abstract: 本发明提出了一种基于PINN神经网络的蒸散发模拟方法及系统，属于蒸散发量计算模拟技术领域。方法包括：获取研究区域的多源气象数据以及高分辨率遥感影像数据，并构建输入数据集；对输入数据集进行标准化处理，分别生成遥感影像栅格和气象数据栅格；将栅格输入到训练好的PINN模型中，PINN模型利用多层卷积对遥感影像栅格和气象数据栅格进行特征提取，生成代表蒸散发过程的特征图；将地表能量平衡方程嵌入损失函数，实现对模型的物理约束；将提取的特征与物理约束结果相结合，生成蒸散发量的时空分布图。基于GIS技术对时空分布图进行可视化显示，获取研究区域的蒸散发强度图和变化趋势图。解决了传统方法中缺乏物理一致性的问题，增强了普适性。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
