-
Patent Agency Ranking
公开(公告)号：CN112633554A
公开(公告)日：2021-04-09
申请号：CN202011367442.1
申请日：2020-11-27
Applicant: 北京林业大学
Abstract: 本发明提供了一种坡面薄层水流流速修正系数预测方法及装置，包括如下步骤：在倾斜设置的冲刷水槽的槽底铺设地表覆被物，模拟自然坡面覆被状况；调整冲刷水槽的倾斜角度，模拟自然坡面的坡度；向冲刷水槽提供稳定水流，并调整水流流量参数值至试验目标流量；测量冲刷水槽内薄层水流的表层流速和水深，进而计算冲刷水槽内薄层水流对地表覆被物的淹没度，以及冲刷水槽内薄层水流的平均流速、雷诺数和修正系数；根据淹没度分别建立非淹没态和淹没态下坡面薄层水流流速修正系数预测模型。本发明能有效提高修正系数预测精度和平均流速计算精度，为开展坡面薄层水流水动力研究提供理论依据，降低实验研究成本。
-
公开(公告)号：CN118823589A
公开(公告)日：2024-10-22
申请号：CN202411300154.2
申请日：2024-09-18
Applicant: 北京林业大学
Inventor： 贾国栋 , 孟君 , 朱长轩 , 王堃莹 , 傅楷翔 , 蒋涛 , 丁兵兵 , 严涵 , 武昱鑫 , 李雪涵 , 李昌霖 , 张潇 , 张玉珊 , 刘子奇 , 刘子赫 , 冯岩开 , 王玉石 , 王欲坤 , 王丽芳 , 王旭
Abstract: 本发明涉及图像数据处理的技术领域，具体为一种人工林健康程度的监测方法，其中监测方法包括，利用无人机遥感技术收集人工林图像数据，并将收集的图像数据构建为多光谱图像数据进行人工林健康程度分类；基于深度学习算法构建人工林健康监测模型，同时输入多光谱图像数据训练集对人工林健康监测模型进行训练；利用目标检测算法对人工林健康监测模型进行优化，并根据优化之后的人工林健康监测模型的输出结果进行健康程度评定；本发明通过利用图神经网络和目标检测算法相结合的方式，能够更准确地对人工林的健康程度进行监测和分类；利用图神经网络的节点分类方法，能够有效减少模型训练的时间和计算资源消耗，同时确保模型的高效性和准确性。
-
公开(公告)号：CN112633554B
公开(公告)日：2023-07-25
申请号：CN202011367442.1
申请日：2020-11-27
Applicant: 北京林业大学
Abstract: 本发明提供了一种坡面薄层水流流速修正系数预测方法及装置，包括如下步骤：在倾斜设置的冲刷水槽的槽底铺设地表覆被物，模拟自然坡面覆被状况；调整冲刷水槽的倾斜角度，模拟自然坡面的坡度；向冲刷水槽提供稳定水流，并调整水流流量参数值至试验目标流量；测量冲刷水槽内薄层水流的表层流速和水深，进而计算冲刷水槽内薄层水流对地表覆被物的淹没度，以及冲刷水槽内薄层水流的平均流速、雷诺数和修正系数；根据淹没度分别建立非淹没态和淹没态下坡面薄层水流流速修正系数预测模型。本发明能有效提高修正系数预测精度和平均流速计算精度，为开展坡面薄层水流水动力研究提供理论依据，降低实验研究成本。
-
公开(公告)号：CN119784260A
公开(公告)日：2025-04-08
申请号：CN202510281768.9
申请日：2025-03-11
Applicant: 北京林业大学
IPC: G06Q10/0639 , G06Q50/02
Abstract: 本发明涉及人工林定向改造的技术领域，具体为一种低质杨树人工林分级定向改造方法，包括，在人工林区域中的不同位置部署多个传感器构建传感器网络进行数据收集，并利用融合算法对传感器收集的数据进行数据处理；构建人工林退化等级划分模型，从融合后的数据中分别提取指标数据以及亚指标数据，并在约束层中构建约束函数进行约束，并构建最佳权重系数下的稳定性指标函数以及退化指标函数，在目标层中通过设置未退化指数阈值实现人工林退化的等级划分；构建综合改造目标函数，并根据划分的人工林退化等级进行定向改造，通过调整不同等级下的调整系数，进而实现不同等级下不同程度的定向改造。
-
公开(公告)号：CN118823589B
公开(公告)日：2024-12-17
申请号：CN202411300154.2
申请日：2024-09-18
Applicant: 北京林业大学
Inventor： 贾国栋 , 孟君 , 朱长轩 , 王堃莹 , 傅楷翔 , 蒋涛 , 丁兵兵 , 严涵 , 武昱鑫 , 李雪涵 , 李昌霖 , 张潇 , 张玉珊 , 刘子奇 , 刘子赫 , 冯岩开 , 王玉石 , 王欲坤 , 王丽芳 , 王旭
Abstract: 本发明涉及图像数据处理的技术领域，具体为一种人工林健康程度的监测方法，其中监测方法包括，利用无人机遥感技术收集人工林图像数据，并将收集的图像数据构建为多光谱图像数据进行人工林健康程度分类；基于深度学习算法构建人工林健康监测模型，同时输入多光谱图像数据训练集对人工林健康监测模型进行训练；利用目标检测算法对人工林健康监测模型进行优化，并根据优化之后的人工林健康监测模型的输出结果进行健康程度评定；本发明通过利用图神经网络和目标检测算法相结合的方式，能够更准确地对人工林的健康程度进行监测和分类；利用图神经网络的节点分类方法，能够有效减少模型训练的时间和计算资源消耗，同时确保模型的高效性和准确性。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
