-
公开(公告)号:CN118016180A
公开(公告)日:2024-05-10
申请号:CN202410251571.6
申请日:2024-03-06
Applicant: 安徽大学
IPC: G16C20/20 , G06F18/20 , G06F18/213 , G06N3/0442 , G06N3/08 , G06F123/02
Abstract: 本发明公开了基于ARIMA‑LSTM混合模型对大气甲烷的时间序列预测分析系统及方法,涉及空气质量预报技术领域,包括如下步骤:对大气甲烷的相关实验数据进行采集;通过数据的平稳性检验和平稳性处理对原始数据进行预处理操作;通过确定模型阶数、模型训练、模型评估来构建ARIMA‑LSTM混合模型;本发明充分考虑了大气甲烷时间序列影响因素的高度复杂性和非线性特征,通过ARIMA模型进行多维影响因素的特征提取,通过变分自编码器降维(VAE模型)以减小运算开销,相较于RNN、LSTM、TCN等模型,参数量更少,能够提升大气甲烷时间序列预测准确性和鲁棒性,进一步简化模型,提升运算速度。
-
公开(公告)号:CN113960545A
公开(公告)日:2022-01-21
申请号:CN202111213206.9
申请日:2021-10-19
Applicant: 安徽大学
IPC: G01S7/40
Abstract: 本发明涉及基于对称几何构型约束的星载SAR无场几何定标方法及其系统,与现有技术相比解决了星载SAR卫星需在地面控制数据依赖情况下才能实现系统误差参数自标定的缺陷。本发明包括以下步骤:获取对称几何构型影像对;计算距离多普勒几何定位模型参数;建立几何定位模型;进行无场几何定标准备工作;星载SAR无场几何定标的完成。本发明在无需几何定标场依赖下实现星载SAR高精度几何定标,实现与传统星载SAR几何定标相当的精度。
-
公开(公告)号:CN118114574A
公开(公告)日:2024-05-31
申请号:CN202410509169.3
申请日:2024-04-26
Applicant: 安徽大学
IPC: G06F30/27 , G06F18/20 , G06F18/27 , G06N3/0442
Abstract: 本发明公开了一种利用可解释机器学习的植被生长归因分析方法及系统,涉及植被生长归因分析技术领域,包括以下步骤:步骤一,获取研究区域的归一化植被指数以及历史气象数据并进行预处理,构建初始数据集,并且将归一化植被指数用于描述植被生长情况;步骤二,利用趋势性和显著性分析方法对步骤一中得到的归一化植被指数数据进行年际变化、季节变化和空间演变分析;步骤三,通过输入步骤一中的历史气象数据,利用RclimDex模型提取出极端气候事件的特征,计算出十二种关键极端气候指数。本发明最终实现植被生长的气候归因分析,如此可以解决现有技术拟合精度较低,解释性较差的缺陷,用于区域植被生长情况的准确分析和预测。
-
公开(公告)号:CN115049838B
公开(公告)日:2025-04-29
申请号:CN202210633788.4
申请日:2022-06-07
Applicant: 安徽大学
Abstract: 本发明提供了基于植被指数时空多维融合技术的MODIS影像滤波方法,与现有技术相比解决了NDVI时间序列变化不规则、长期下降趋势时提取信息不可靠、突变点连续、无法考虑空间域的缺陷。本发明包括以下步骤:MODIS像元数据的获取;MODIS像元数据的预处理;对预处理后的MODIS NDVI波段Ⅰ进行时间维滤波处理;对预处理后的MODIS NDVI波段Ⅰ进行空间维滤波处理;MODIS影像滤波结果的获得。本发明通过时间维提高了时间序列数据的平滑性,排除了单维滤波数据的不确定性,消除了连续突变值的影响,增加了数据的可信度,消除了不规则变化的NDVI时间序列的影响,提供了更真实的滤波数据。
-
公开(公告)号:CN114972078B
公开(公告)日:2023-05-05
申请号:CN202210503510.5
申请日:2022-05-09
Applicant: 安徽大学
Abstract: 本发明涉及应用SAR影像提升国产光学卫星影像无控几何质量方法及系统,与现有技术相比解决了稳健提升国产光学卫星无控几何定位精度。本发明包括以下步骤:构建附加太阳高度角变量的无控几何定位误差补偿模型;应用SAR影像提升国产光学卫星影像无控几何质量准备工作;应用从SAR影像中提取的参考数据对无控几何定位误差补偿模型系数进行求解。本发明提出一种对影响国产光学卫星无控几何质量的热稳定性误差进行补偿方法及系统,对影响无控几何定位误差根本原因进行建模,形成可操作性的无控几何质量提升途径,进而有效提升国产光学卫星影像的无控几何质量。
-
公开(公告)号:CN119168149A
公开(公告)日:2024-12-20
申请号:CN202411292256.4
申请日:2024-09-14
Applicant: 安徽大学
IPC: G06Q10/04 , G06Q10/0639 , G06N3/0442 , G06N3/049 , G06N3/047 , G06N3/084 , G01W1/10
Abstract: 本发明涉及一种基于Attention‑LSTM的空气质量多元预测方法,包括:获取空气质量AQI的历史数据并进行预处理;对数据集中的数据进行特征分析,根据分析的特征构建LSTM网络模型;对LSTM网络模型进行改进;改进的LSTM网络模型进行训练;将待预测的空气质量数据输入训练好的模型,获得空气质量预测值,对未来空气质量进行评估,选择对应的预警机制。本发明通过将空气质量预测值#imgabs0#与实际空气质量值y进行误差分析,可以评估模型的准确性,如果误差较小,则说明模型具有较高的预测能力,如果误差较大,则需要进一步优化模型,并针对性地调整模型参数,在考虑到不同地理位置、不同天气条件等因素时,需要对其权重进行调整。
-
公开(公告)号:CN118587480A
公开(公告)日:2024-09-03
申请号:CN202410636310.6
申请日:2024-05-22
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/774 , G06V20/10 , G06V20/70 , G06V20/13 , G06F17/16
Abstract: 本发明涉及农作物智能分类技术领域,尤其涉及一种基于遥感影像的复杂背景下作物种植区域识别方法。其技术方案包括如下步骤:S1、建立数据集:下载遥感数据,对所述遥感数据进行预处理操作,对所述遥感数据进行标注后,提取光谱特征作为数据集,再将所述数据集划分为训练集和测试集;S2、构建光谱特征邻接矩阵:结合农作物光谱特征、植被指数涉及的光谱波段特征和所述遥感数据的波段组合构建光谱特征邻接矩阵;S3、构建网络稀疏逻辑回归分类模型。本发明所需的样本数量较少,降低了处理遥感数据的时间,并构建了光谱特征邻接矩阵,可以充分利用遥感影像的光谱特征,同时执行特征选择和作物分类,从而提高作物识别模型的泛化能力和分类精度。
-
公开(公告)号:CN115049838A
公开(公告)日:2022-09-13
申请号:CN202210633788.4
申请日:2022-06-07
Applicant: 安徽大学
Abstract: 本发明提供了基于植被指数时空多维融合技术的MODIS影像滤波方法,与现有技术相比解决了NDVI时间序列变化不规则、长期下降趋势时提取信息不可靠、突变点连续、无法考虑空间域的缺陷。本发明包括以下步骤:MODIS像元数据的获取;MODIS像元数据的预处理;对预处理后的MODIS NDVI波段Ⅰ进行时间维滤波处理;对预处理后的MODIS NDVI波段Ⅰ进行空间维滤波处理;MODIS影像滤波结果的获得。本发明通过时间维提高了时间序列数据的平滑性,排除了单维滤波数据的不确定性,消除了连续突变值的影响,增加了数据的可信度,消除了不规则变化的NDVI时间序列的影响,提供了更真实的滤波数据。
-
公开(公告)号:CN114972078A
公开(公告)日:2022-08-30
申请号:CN202210503510.5
申请日:2022-05-09
Applicant: 安徽大学
Abstract: 本发明涉及应用SAR影像提升国产光学卫星影像无控几何质量方法及系统,与现有技术相比解决了稳健提升国产光学卫星无控几何定位精度。本发明包括以下步骤:构建附加太阳高度角变量的无控几何定位误差补偿模型;应用SAR影像提升国产光学卫星影像无控几何质量准备工作;应用从SAR影像中提取的参考数据对无控几何定位误差补偿模型系数进行求解。本发明提出一种对影响国产光学卫星无控几何质量的热稳定性误差进行补偿方法及系统,对影响无控几何定位误差根本原因进行建模,形成可操作性的无控几何质量提升途径,进而有效提升国产光学卫星影像的无控几何质量。
-
公开(公告)号:CN113960545B
公开(公告)日:2022-05-17
申请号:CN202111213206.9
申请日:2021-10-19
Applicant: 安徽大学
IPC: G01S7/40
Abstract: 本发明涉及基于对称几何构型约束的星载SAR无场几何定标方法及其系统,与现有技术相比解决了星载SAR卫星需在地面控制数据依赖情况下才能实现系统误差参数自标定的缺陷。本发明包括以下步骤:获取对称几何构型影像对;计算距离多普勒几何定位模型参数;建立几何定位模型;进行无场几何定标准备工作;星载SAR无场几何定标的完成。本发明在无需几何定标场依赖下实现星载SAR高精度几何定标,实现与传统星载SAR几何定标相当的精度。
-
-
-
-
-
-
-
-
-