一种摩擦纳米发电机的力电耦合分析方法

    公开(公告)号:CN115208232A

    公开(公告)日:2022-10-18

    申请号:CN202210935520.6

    申请日:2022-08-04

    Applicant: 扬州大学

    Abstract: 本发明公开了一种摩擦纳米发电机的力电耦合分析方法,包括以下步骤:将两片摩擦纳米发电机安装到实验台上,使两片发电机能发生接触和分离运动,对其进行力学和电学测试,得到受力和位移间的关系图以及电压输出数据;分别建立两片摩擦纳米发电机在接触和分离时的键合图模型,推导出系统状态方程;通过实验数据求取键合图模型中对应的具体参数数值,代入状态方程求解数学模型,将键合图模型转化为对应的方块图;结合数学模型和方块图,建立仿真模型,得到仿真电压数据,将仿真电压数据和电压输出数据进行比较,验证键合图模型的有效性;分析键合图模型的不同参数,得到不同参数对摩擦纳米发电机输出性能产生的影响;本发明能简便分析出发电机的工作机理。

    一种参数化的水文气象极值序列的趋势检测方法

    公开(公告)号:CN114707689A

    公开(公告)日:2022-07-05

    申请号:CN202210047362.0

    申请日:2022-01-17

    Applicant: 扬州大学

    Abstract: 本发明公开了一种参数化的水文气象极值序列的趋势检测方法,包括以下步骤:(1)采用广义极值分布GEV函数建立水文气象极值序列的趋势模型;(2)基于贝叶斯推断框架估计水文气象极值序列的趋势模型的参数;(3)根据趋势模型的参数估计值获得贝叶斯对数似然比,然后得出水文气象极值序列的趋势。本发明从参数化角度有效保证水文气象极值序列的趋势检测精度;基于贝叶斯统计推断框架的使用一方面充分保证复杂趋势模式情形下对于水文气象极值序列的分布参数估计精度不会因为引入过多的参数而受到影响,另一方面采用Gibbs采样算法简化了水文气象极值序列分布参数的估计过程。

    基于高维Copula熵和克里金的站网优化方法

    公开(公告)号:CN114595556A

    公开(公告)日:2022-06-07

    申请号:CN202210040869.3

    申请日:2022-01-14

    Applicant: 扬州大学

    Abstract: 本发明公开一种基于高维Copula熵和克里金的站网优化方法,包括:(1)构建水文C‑Vine Copula树形结构;(2)采用极大似然估计法对C‑Vine Copula参数估算;(3)通过多变量互信息和C‑Vine Copula密度间的函数关系获得高维互信息;(4)通过标准化MiK‑MiT‑MaJ指标和滑动窗口法优化动态雨量站网。本发明采用C‑Vine Copula获得多站点间高维相依性结构,实现站网目标函数信息总量和总相关量优化;利用克里金标准误差值实现雨量站网估计误差最优和雨量信息最优;将多目标优化简化为单目标优化提高优化效率,考虑降雨序列时变特性引发站网优化结果的动态特性。

    一种水闸深基坑变形预测方法
    4.
    发明公开

    公开(公告)号:CN118070658A

    公开(公告)日:2024-05-24

    申请号:CN202410227415.6

    申请日:2024-02-29

    Applicant: 扬州大学

    Abstract: 本发明公开了一种水闸深基坑变形预测分析方法,包括:采用极点对称模态分解算法将基坑变形监测数据分解为多个特征互异的模态子序列分量IMF和趋势性分量RES;基于FE理论,对各模态子序列分量和趋势性分量进行模糊多模态相空间重构,得到多个重构子序列;构建基于AJSO算法优化的LSTM模型,对多个重构子序列进行优化训练,得到对应各重构子序列的AJSO‑LSTM优化模型;利用优化确定后的各AJSO‑LSTM模型,对各重构子序列按固定时间步长分别进行动态预测,并合成各重构子序列的预测结果,得到基坑变形的预测结果;引入预测精度评价指标,对提出的基坑变形预测分析方法进行评估。

    一种基于动态贝叶斯网络的月径流预报方法

    公开(公告)号:CN117932470A

    公开(公告)日:2024-04-26

    申请号:CN202410104879.8

    申请日:2024-01-25

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于动态贝叶斯网络的月径流预报方法,包括以下步骤:(1)选取流域的历史历史水文气象变量数据,进行标准化处理,得到标准化样本;(2)根据分布预测周期构建动态贝叶斯预报模型,确定非平稳条件下最优分布预报周期;(3)通过模型间性能对比,验证动态贝叶斯预报模型的精准性。本发明既可以有效解决平稳条件下经典数据驱动方法对于变量输入‑输出关系的动态可变特性描述不足的问题,又能为应对变化环境下流域中长期预报的精准模拟提供思路和方法;有效提高了月径流预报的精度,特别是可以实现对于高低径流量值进行精准预报;有效应对气候变化背景下水文气象变量的非平稳性相依结构的表征。

    基于数据分析和机器学习的土地利用变化预测方法及系统

    公开(公告)号:CN117114176A

    公开(公告)日:2023-11-24

    申请号:CN202311023749.3

    申请日:2023-08-15

    Applicant: 扬州大学

    Abstract: 本发明公开了一种基于数据分析和机器学习的土地利用变化预测方法及系统,该土地利用变化预测方法,包括以下步骤:(1)收集数据,构建数据集;(2)确定土地利用类型的分类标准,进行数据预处理;(3)计算土地利用转移矩阵;(4)通过机器学习算法,根据土地利用转移变化及土地利用变化驱动因素,构建基于CA‑Markov模型的土地利用变化预测模型;(5)进行模型训练,通过训练好的模型对未来的土地利用变化进行预测。本发明构建预测模型并进行机器学习训练,提高了土地利用变化模拟预测的精度,能够准确预测土地利用的变化趋势和模式,为土地资源的管理和决策提供科学依据。

    剥离人类活动与气候变化对洪水峰现时间影响的评估方法

    公开(公告)号:CN117314170A

    公开(公告)日:2023-12-29

    申请号:CN202311373093.8

    申请日:2023-10-23

    Applicant: 扬州大学

    Abstract: 本发明公开了一种剥离人类活动与气候变化对洪水峰现时间影响的评估方法,包括以下步骤:(1)一般序列数据到环形数据的转化;(2)基于可视化方法的洪水峰形确定;(3)动态von Mises分布模型的构建与优选;(4)通过线性回归斜率比较法定量评估人类活动、气候变化因素对洪水峰现事件提前和延迟效应程度。本发明解决了风险归因方法由于不同气候模式下预估数据较大的差异性加剧了FAR方法的不确定性问题,增加了评估可靠性,同时实现了对不同影响因素的剥离归因。本发明提出的定量归因和剥离方法可以为气候变化背景下水文气象极值事件的风险分析提供新的研究思路和方法。

Patent Agency Ranking