-
公开(公告)号：CN119415850B
公开(公告)日：2025-04-08
申请号：CN202510013099.7
申请日：2025-01-06
Applicant: 厦门大学
IPC: G06F18/15 , G06F18/2431 , G06F18/27 , G16C20/70 , G16C20/20
Abstract: 本发明公开了一种基于观测数据和机器学习的河口通量实时计算方法，包括以下步骤：S1、实时采集河口入海断面的高频水文观测数据；S2、采用3σ原则确定阈值，剔除水文观测数据的异常值；S3、利用机器学习方法对低水位期间缺失的水位和流速数据进行插补；S4、利用河口某时刻对应的横截面面积、流速、断面与水流方向夹角计算该时刻的流量，再结合碳氮形态小时平均浓度实测数据，得到河口逐时碳氮物质通量；S5、根据河口逐时碳氮物质通量，统计分析某一段时间内的碳氮累积通量；该方法灵活易用，能显著提升河口入海碳氮物质通量的计算精度和实效性，具备快速响应环境变化的能力，适用于河口高度动态变化的环境。
-
公开(公告)号：CN118052336A
公开(公告)日：2024-05-17
申请号：CN202410424853.1
申请日：2024-04-10
Applicant: 厦门大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q50/06 , G06N20/00 , G06F18/10 , G06F18/213
Abstract: 本发明公开了一种基于Ordinal Forests模型的水华级别早期预警方法，包括以下步骤：S1、对水质水生态在线监测系统的水质数据进行预处理；S2、根据叶绿素a值，对预处理后的水质数据划分水华级别；S3、应用重采样方法解决水华级别数据不平衡问题，合成水华级别平衡的数据集；S4、基于Ordinal Forests模型以步骤S3新合成的数据集作为输入变量，构建水华级别早期预警模型，利用训练后的水华级别早期预警模型进行水华级别早期预警；该方法直接易用，在处理次序数据和不平衡数据时有明显的优势，能有效提升饮用水水源地的水华预警精度。
-
公开(公告)号：CN119848026A
公开(公告)日：2025-04-18
申请号：CN202510312875.3
申请日：2025-03-17
Applicant: 厦门大学
Abstract: 本发明公开了一种基于贝叶斯层次模型的区域湖库营养盐基准制定方法，包括以下步骤：S1、收集区域湖库不同形态氮和磷指标监测数据，构建区域湖库营养盐基准制定数据库；S2、对于特定形态的营养盐，建立贝叶斯层次模型，用于模拟湖库营养盐浓度；S3、根据区域湖库营养盐基准制定数据库中的监测数据，对贝叶斯层次模型进行参数估计，获得模型中各个参数的后验分布；S4、根据参数估计结果，获得区域湖库营养盐浓度的分布；S5、根据参考状态法设定的分位数，推导营养盐标准值；该方法直接易用，在量化区域共性与差异的平衡时有明显的优势，可精准且科学地制定区域湖库营养盐基准，为湖库水环境管理提供有效支持，具有显著优势与应用价值。
-
公开(公告)号：CN119831450A
公开(公告)日：2025-04-15
申请号：CN202510312876.8
申请日：2025-03-17
Applicant: 厦门大学
IPC: G06Q10/0639 , G06Q50/26 , G06N3/04 , G06N3/0985 , G06N3/084 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种面向高泥沙含量湖库的区域营养盐基准制定方法，包括以下步骤：S1、收集区域湖库营养盐、总悬浮颗粒物和目标指标相关的监测数据，构建区域湖库营养盐基准制定数据库，用于建立营养盐与目标指标之间的定量响应关系；S2、根据决策者的风险偏好或专家经验，选择特定的目标指标达标值和回归分位数；S3、采用分位数回归神经网络模型建立目标指标与总氮、总磷和总悬浮颗粒物之间的非线性压力‑响应关系，并采用贝叶斯优化方法进行超参数优化；S4、对于特定湖库，根据湖库平均总悬浮颗粒浓度，给出特定的目标指标达标值和回归分位数条件下的总氮和总磷的联合营养盐基准。
-
公开(公告)号：CN118038291B
公开(公告)日：2024-06-25
申请号：CN202410431029.9
申请日：2024-04-11
Applicant: 厦门大学
IPC: G06V20/13 , G06V20/10 , G06V10/80 , G06V10/52 , G06V10/58 , G06V10/26 , G06V10/54 , G06V10/56 , G06V10/764 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种基于面向对象的河口海湾水体自动提取方法，包括以下步骤：S1、分别对Sentinel‑2图像、ASTER GDEM图像、SAR图像和TIR波段图像进行预处理，得到多通道融合图像；S2、采用手动标注和半监督学习方法标注近岸区域的水体样本与非水体样本，得到样本数据；S3、采用面向对象的方法分割图像并通过最大响应法，得到最优分割结果；S4、基于各个图像数据计算最优分割结果下各个对象的特征参数；S5、以特征参数为输入变量，样本数据为训练样本，构建BP神经网络并进行训练，通过训练后的BP神经网络对河口海湾的水体范围进行自动提取；该方法灵活易用，无须任何先验知识，即可得到高精度的河口海湾水体范围，能有效减少近岸区域陆地和水体错分的现象。
-
Patent Agency Ranking
公开(公告)号：CN117973237B
公开(公告)日：2024-06-25
申请号：CN202410387927.9
申请日：2024-04-01
Applicant: 厦门大学
IPC: G06F30/27 , G06F111/04
Abstract: 本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟；该发明灵活易用，对数据量的依赖性较低，能够有效提升无资料流域的径流模拟精度。
-
公开(公告)号：CN117973237A
公开(公告)日：2024-05-03
申请号：CN202410387927.9
申请日：2024-04-01
Applicant: 厦门大学
IPC: G06F30/27 , G06F111/04
Abstract: 本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法，包括以下步骤：S1、分别收集有资料流域和无资料流域的气象数据和地理数据，及收集有资料流域的径流数据，并进行数据预处理；S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取；S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重，降低有资料流域和无资料流域之间输入数据集的均值分布差异；S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型，并将无资料流域的输入数据集输入到模型中进行径流模拟；该发明灵活易用，对数据量的依赖性较低，能够有效提升无资料流域的径流模拟精度。
-
公开(公告)号：CN119415850A
公开(公告)日：2025-02-11
申请号：CN202510013099.7
申请日：2025-01-06
Applicant: 厦门大学
IPC: G06F18/15 , G06F18/2431 , G06F18/27 , G16C20/70 , G16C20/20
Abstract: 本发明公开了一种基于观测数据和机器学习的河口通量实时计算方法，包括以下步骤：S1、实时采集河口入海断面的高频水文观测数据；S2、采用3σ原则确定阈值，剔除水文观测数据的异常值；S3、利用机器学习方法对低水位期间缺失的水位和流速数据进行插补；S4、利用河口某时刻对应的横截面面积、流速、断面与水流方向夹角计算该时刻的流量，再结合碳氮形态小时平均浓度实测数据，得到河口逐时碳氮物质通量；S5、根据河口逐时碳氮物质通量，统计分析某一段时间内的碳氮累积通量；该方法灵活易用，能显著提升河口入海碳氮物质通量的计算精度和实效性，具备快速响应环境变化的能力，适用于河口高度动态变化的环境。
-
公开(公告)号：CN119831450B
公开(公告)日：2025-05-16
申请号：CN202510312876.8
申请日：2025-03-17
Applicant: 厦门大学
IPC: G06Q10/0639 , G06Q50/26 , G06N3/04 , G06N3/0985 , G06N3/084 , G06F18/10 , G06F18/214
Abstract: 本发明公开了一种面向高泥沙含量湖库的区域营养盐基准制定方法，包括以下步骤：S1、收集区域湖库营养盐、总悬浮颗粒物和目标指标相关的监测数据，构建区域湖库营养盐基准制定数据库，用于建立营养盐与目标指标之间的定量响应关系；S2、根据决策者的风险偏好或专家经验，选择特定的目标指标达标值和回归分位数；S3、采用分位数回归神经网络模型建立目标指标与总氮、总磷和总悬浮颗粒物之间的非线性压力‑响应关系，并采用贝叶斯优化方法进行超参数优化；S4、对于特定湖库，根据湖库平均总悬浮颗粒浓度，给出特定的目标指标达标值和回归分位数条件下的总氮和总磷的联合营养盐基准。
-
公开(公告)号：CN119962408A
公开(公告)日：2025-05-09
申请号：CN202510447526.2
申请日：2025-04-10
Applicant: 厦门大学
IPC: G06F30/27 , G06N7/01 , G06N3/0985 , G06N3/0442 , G06N3/096 , G06F113/08
Abstract: 本发明公开了一种耦合机理模型与深度学习的湖库营养盐浓度模拟方法，包括以下步骤：S1、构建湖库水动力水质机理模型，计算营养盐的内循环过程通量，获得通量指标和营养盐浓度的次生数据；S2、通过对损失函数的物理指导正则化构建物理信息神经网络，并采用贝叶斯优化算法进行超参数优化，实现深度学习对湖库水动力水质机理模型的学习和替代；S3、设置物理信息神经网络的部分权重为可变参数，对步骤S2建立的深度学习模型进行微调，实现对实际观测营养盐浓度的模拟；S4、采用深度学习的解释方法识别营养盐浓度波动的主要影响因子，解析营养盐浓度演变的驱动机制，并进行湖库营养盐浓度的模拟和预测。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.013 seconds)
