-
公开(公告)号：CN118536407B
公开(公告)日：2024-10-01
申请号：CN202410992760.9
申请日：2024-07-24
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/27 , G01P5/00 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F113/08
Abstract: 本发明提供了一种基于符号动态分析的海面风速预测算法及系统，涉及水下目标定位技术领域。本发明提供的算法包括以下步骤：一种基于符号动态分析的海面风速预测算法，包括以下步骤：通过符号动态分析得到滑动窗口尺寸；通过基于滑动窗口尺寸的Hample滤波器对海面风速历史数据进行预处理；通过一维卷积的残差学习结构、通道注意力算法及柯尔莫哥洛夫‑阿诺德网络提取风速特征向量；将风速特征向量通过sLSTM网络得到风速预测值。本发明提供了高效的时间窗口尺寸选择方法，避免了传统方法中的试错过程，提高了算法的效率和适应性，当更换研究对象时，也无需根据不同领域的经验确定时间窗口的尺寸。
-
公开(公告)号：CN118211494B
公开(公告)日：2024-09-06
申请号：CN202410626835.1
申请日：2024-05-21
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N20/20 , G06F18/2431
Abstract: 本发明提供了一种基于相关矩阵的风速预测混合模型构建方法及系统，涉及气象预测技术领域。包括以下步骤：S1：将时序风速数据通过滑动时间窗口采样得到子数据组，以子数据组构建风速相关矩阵；S2：通过多尺度特征增强卷积网络提取风速特征，生成包含风速信息的下采样特征图；S3：通过随机森林的特征选择方法筛选最优特征子集；S4：通过双向长短期记忆网络进行序列分析，输出风速预测结果。本发明所提供的基于相关矩阵的风速预测混合模型通过多尺度特征增强卷积网络识别风速数据的长期依赖关系和周期性模式，将传统卷积网络中的一个卷积层替换为选择性卷积核网络，通过其特有的可选择性内核网络结构，能够更好地适应风速数据的动态特性与复杂性。
-
公开(公告)号：CN116933152B
公开(公告)日：2024-05-03
申请号：CN202310673979.8
申请日：2023-06-07
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/241 , G06F18/214 , G06F18/2135 , G06N3/0442 , G01C13/00
Abstract: 本发明一种基于多维EMD‑PSO‑LSTM神经网络的海浪信息预测方法及系统，涉及海洋信息预测技术领域，为解决现有技术未能利用多维数据集综合预测海浪信息及预测海浪信息计算时间长、计算量大，成本高的问题。本发明采集海浪有效波高、波峰峰向和波峰周期三维信息数据，利用经验模态分解方法EMD将三维海浪信息数据进行分解，得到不同时间尺度下的本征模态分量和剩余分量，对分解得到的三维数据序列进行PCA降维，筛选出影响海浪信息有效波高、波峰峰向及波峰周期的关键因子，采用粒子群优化算法PSO对LSTM模型进行参数寻优，构建LSTM模型；最终得到的海浪信息预测模型，可实现对海浪有效波高、波峰峰向和波峰周期的快速、高精度预测。
-
公开(公告)号：CN116958435A
公开(公告)日：2023-10-27
申请号：CN202310919199.7
申请日：2023-07-25
Applicant: 哈尔滨工业大学(威海)
Abstract: 本发明一种基于X波段雷达图像的海浪信息反演系统，涉及海浪信息反演技术领域，现有的海浪信息反演系统存在反演结果准确度较差，海浪反演信息图像清晰度较低，进行反演参数的相关设置以及海浪反演数据保存时并不快捷的问题。系统包括：表现层、业务层和数据层；所述表现层与业务层相互连通，且通过表现层的操作与业务层的功能进行交互，所述业务层与数据层相互连通，所述数据层用于存储雷达数据和海浪参数信息数据，数据层将雷达数据上传至业务层，业务层根据接收的数据进行数据处理，得到海浪参数信息，将海浪参数信息上传至表现层进行显示，并传送至数据层进行存储。本发明系统得到海浪信息具有较高的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116933152A
公开(公告)日：2023-10-24
申请号：CN202310673979.8
申请日：2023-06-07
Applicant: 哈尔滨工业大学(威海)
IPC: G06F18/241 , G06F18/214 , G06F18/2135 , G06N3/0442 , G01C13/00
Abstract: 本发明一种基于多维EMD‑PSO‑LSTM神经网络的海浪信息预测方法及系统，涉及海洋信息预测技术领域，为解决现有技术未能利用多维数据集综合预测海浪信息及预测海浪信息计算时间长、计算量大，成本高的问题。本发明采集海浪有效波高、波峰峰向和波峰周期三维信息数据，利用经验模态分解方法EMD将三维海浪信息数据进行分解，得到不同时间尺度下的本征模态分量和剩余分量，对分解得到的三维数据序列进行PCA降维，筛选出影响海浪信息有效波高、波峰峰向及波峰周期的关键因子，采用粒子群优化算法PSO对LSTM模型进行参数寻优，构建LSTM模型；最终得到的海浪信息预测模型，可实现对海浪有效波高、波峰峰向和波峰周期的快速、高精度预测。
-
公开(公告)号：CN116908854A
公开(公告)日：2023-10-20
申请号：CN202310688067.8
申请日：2023-06-09
Applicant: 哈尔滨工业大学(威海)
Abstract: 一种海浪谱分析法和基于Canny算子的雷达图像几何阴影统计法相结合的海浪参数反演方法，属于海浪监测技术领域。为解决现有的海浪信息反演技术用采的技术手段单一导致反演的海浪参数较少，获得的海浪信息的精度较低的问题而提出的。本发明将海浪谱分析法和雷达图像几何阴影统计法结合起来，可以在目标海域波浪浮标缺失或故障的情形下反演出有效波高、波峰峰向和波峰周期。利用试验场实测数据反演得到海浪信息，并与同海域内投放的波浪浮标数据进行实验误差分析，结果表明海浪谱分析法和雷达图像几何阴影统计法相结合的海浪信息反演技术达到预期精度。本发明的海浪信息反演技术用采的技术手段合理且反演的海浪参数较多，从而获得的海浪信息的精度较高。
-
公开(公告)号：CN120009892A
公开(公告)日：2025-05-16
申请号：CN202510466304.5
申请日：2025-04-15
Applicant: 哈尔滨工业大学(威海)
IPC: G01S13/95 , G01S7/41 , G06F18/241 , G06F18/2135 , G06N20/20
Abstract: 本发明提供了一种基于ResNet50‑PCA‑XGBoost的雷达降雨检测方法及系统，涉及雷达降雨检测技术领域，包括将雷达回波信号存储为二维数据矩阵，对二维数据矩阵进行数据预处理得到张量作为ResNet50的输入，通过改进后的ResNet50算法进行特征提取，而后通过主成分分析进行降维；统计不同像素强度值在二维数据矩阵中的出现频率得到强度直方图，提取强度直方图bin值组成的特征向量进行归一化，将深度特征向量和直方图特征向量进行特征拼接，基于XGBoost分类判断雷达回波是否受降雨影响。本申请通过改进后的ResNet50算法提取雷达回波信号的深度特征，通过主成分分析进行降维，提高特征提取的局部感知能力拼接直方图特征反映全局的强度分布，分别从局部和全局两个不同的视角对雷达数据进行特征提取。
-
公开(公告)号：CN118536407A
公开(公告)日：2024-08-23
申请号：CN202410992760.9
申请日：2024-07-24
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/27 , G01P5/00 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F113/08
Abstract: 本发明提供了一种基于符号动态分析的海面风速预测算法及系统，涉及水下目标定位技术领域。本发明提供的算法包括以下步骤：一种基于符号动态分析的海面风速预测算法，包括以下步骤：通过符号动态分析得到滑动窗口尺寸；通过基于滑动窗口尺寸的Hample滤波器对海面风速历史数据进行预处理；通过一维卷积的残差学习结构、通道注意力算法及柯尔莫哥洛夫‑阿诺德网络提取风速特征向量；将风速特征向量通过sLSTM网络得到风速预测值。本发明提供了高效的时间窗口尺寸选择方法，避免了传统方法中的试错过程，提高了算法的效率和适应性，当更换研究对象时，也无需根据不同领域的经验确定时间窗口的尺寸。
-
公开(公告)号：CN118211494A
公开(公告)日：2024-06-18
申请号：CN202410626835.1
申请日：2024-05-21
Applicant: 哈尔滨工业大学(威海)
IPC: G06F30/27 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N20/20 , G06F18/2431
Abstract: 本发明提供了一种基于相关矩阵的风速预测混合模型构建方法及系统，涉及气象预测技术领域。包括以下步骤：S1：将时序风速数据通过滑动时间窗口采样得到子数据组，以子数据组构建风速相关矩阵；S2：通过多尺度特征增强卷积网络提取风速特征，生成包含风速信息的下采样特征图；S3：通过随机森林的特征选择方法筛选最优特征子集；S4：通过双向长短期记忆网络进行序列分析，输出风速预测结果。本发明所提供的基于相关矩阵的风速预测混合模型通过多尺度特征增强卷积网络识别风速数据的长期依赖关系和周期性模式，将传统卷积网络中的一个卷积层替换为选择性卷积核网络，通过其特有的可选择性内核网络结构，能够更好地适应风速数据的动态特性与复杂性。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.035 seconds)
