-
公开(公告)号：CN112734117A
公开(公告)日：2021-04-30
申请号：CN202110049076.3
申请日：2021-01-14
Applicant: 华北水利水电大学
Abstract: 本发明公开了一种基于改进VMD‑QR‑ELM混合模型的水位预测方法，涉及水位预测技术领域。将正交三角矩阵分解(QR)应用到极限学习中，然后在此基础上构建QR型极限学习。然后通过极值拓延改进变分模态分解(VMD)，以解决VMD方法所存在的端点效应，最后将QR‑ELM与改进变分模态分解进行深入融合，并基于并行计算思想构建并行VMD‑QR‑ELM混合模型。基于并行VMD‑QR‑ELM的水位预测模型相比于传统极限学习模型(ELM)，精准度提高2.05倍，可信度提高1.56倍，对于串行模型其效率提高5.56倍。
-
公开(公告)号：CN117196024A
公开(公告)日：2023-12-08
申请号：CN202310910638.8
申请日：2023-07-24
Applicant: 华北水利水电大学
IPC: G06N5/022 , G06N3/0464
Abstract: 本发明属于水利知识图谱补全技术领域，特别涉及一种基于卷积神经网络的水利知识图谱嵌入方法以及装置，该方法包括对水利工程案例、水利工程基础知识和水利地理信息数据进行水利实体和关系的抽取构建水利知识图谱，将水利知识图谱中已存在的水利实体和关系分别初始化为水利实体向量和关系向量，接着重塑为二维特征矩阵并进行拼接；将二维特征矩阵、空间平移视图、空间旋转视图和平移旋转融合视图再进行拼接，作为卷积层的输入；使用空洞率为[1,2,3]的多尺度空洞卷积进行特征提取，得到三层特征图，将其进行特征相加、融合并重塑为一维特征向量；利用评分函数衡量候选三元组的合理性。本发明得到更加完整、知识覆盖率更高的水利知识图谱。
-
Patent Agency Ranking
公开(公告)号：CN119537604A
公开(公告)日：2025-02-28
申请号：CN202411598128.2
申请日：2024-11-07
Applicant: 华北水利水电大学
IPC: G06F16/36 , G06F16/353 , G06F16/901 , G06F40/242 , G06N5/025 , G06N5/01 , G06N5/04 , G06Q50/06
Abstract: 本发明公开了一种基于巡检文本的输水工程运行风险事理图谱构建方法和系统，涉及事理图谱构建技术领域，包括以下步骤：S1：数据收集及预处理；S2：基于大语言模型的风险事件抽取；S3：基于字词向量编码的风险事件分类；S4：基于关联规则挖掘的事件关系识别；S5：将挖掘到的风险事件对存储到图数据库中构造为事理图谱。本发明实现了从事件抽取、事件分类、事件关系识别到图谱构建的相关技术流程，能够帮助研究和分析输水工程运行风险的演化过程，为风险处置决策提供技术支持。
-
公开(公告)号：CN113705864A
公开(公告)日：2021-11-26
申请号：CN202110928865.4
申请日：2021-08-13
Applicant: 华北水利水电大学
Abstract: 本发明属于气象干旱预测技术领域，具体涉及一种基于VMD‑CNN‑BiLSTM‑ATT混合模型的气象干旱预测方法及装置，该方法包括获得历史气象数据，作为输入数据，对输入数据进行变分模态分解，得到若干个本征模态分量IMF，将各个IMF分量分别拆分为训练集和测试集；将训练集的数据输入到卷积神经网络的输入层，计算得到输出矩阵；将池化得到的矩阵作为双向长短期记忆网络的输入，同时从正向和反向处理数据，关注未来时刻与当前时刻的相关关系；在双向长短期记忆网络的输出侧添加注意力机制层，为隐藏层特征向量添加权重，再次计算输出数据，即预测值；对所有CNN‑BiLSTM‑ATT预测值进行重组叠加，得到输出序列。与传统的干旱预测方法相比，本发明的预测误差更小，预测精度和可信度更高。
-
公开(公告)号：CN112734118A
公开(公告)日：2021-04-30
申请号：CN202110049081.4
申请日：2021-01-14
Applicant: 华北水利水电大学
Abstract: 本发明公开了一种基于改进CEEMDAN‑QR‑BL混合模型的干旱预测方法，涉及干旱预测技术领域。在对宽度学习权重矩阵进行分解的过程中，利用QR正交三角分解方法，代替了传统宽度学习中的奇异值分解(SVD)方法，从而完成了宽度学习输出层的整体优化。与传统宽度学习模型相比，QR‑BL具有高精度、高效率等优点。同时，为保证模型泛化能力，将正则化概念引入QR‑BL模型，构建了基于三角分解的正则宽度学习模型(QR‑RBL模型)，有效提高了模型的泛化能力。实验结果表明，基于并行CEEMDAN‑QR‑BL模型的智能预测方法相比于传统BL方法，其预测精准度提高1.29倍；稳定度提高4.54倍；效率提高118倍。
-
公开(公告)号：CN113206935A
公开(公告)日：2021-08-03
申请号：CN202110392715.6
申请日：2021-04-13
Applicant: 华北水利水电大学 , 河南中盟电子科技股份有限公司
Abstract: 本发明提供一种校园双重预防安全防控云平台及方法。该安全防控云平台包括：云服务器、本地计算核心集群和设置在校园内部的多个监控系统；所述校园由多个第一区域组成，每个所述第一区域均由多个第二区域组成；每个所述监控系统均包括一个设置在第一区域内部的边缘节点，以及多个分别设置各个第二区域内部的采集设备，所述采集设备包括双光摄像头和RFID读取器；每个第二区域内部的采集设备均与对应的第一区域内部的边缘节点通信连接；多个所述监控系统中的各个边缘节点通过校园内部网络与本地计算核心集群通信连接，所述本地计算核心集群与所述云服务器通信连接。
-
公开(公告)号：CN111445087A
公开(公告)日：2020-07-24
申请号：CN202010305624.X
申请日：2020-04-17
Applicant: 华北水利水电大学
Abstract: 本发明公开了基于极限学习机的洪水预测方法，涉及灾害预测技术领域，本发明根据多种洪水成因、极限学习机以及地理信息系统GIS建立洪水预测模型，通过确定系数r、威尔默特指数WI、纳什效率指数Ens、均方根误差RMSE、平均绝对误差MAE和相关误差RE验证了极限学习机相对于人工神经网络的效率与精度优势，实验结果表明，极限学习机的学习速度是人工神经网络的32倍，而且极限学习机的噪音处理能力要优于人工神经网络，与人工神经网络相比，极限学习在预测能力与效率方面具有很大的优势，是洪水预报模型较为合适的选择。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
