-
公开(公告)号：CN110110425A
公开(公告)日：2019-08-09
申请号：CN201910354800.6
申请日：2019-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于信度规则推理的边坡滑动力预测方法。本发明首先，构造边坡滑动力预测的信度规则推理模型，它的输入变量为当前时刻负泊松比锚索传感器采集的滑动力，当前时刻与历史时刻滑动力之间的差值，输出为未来边坡的滑动力预测值；其次，基于滑动力历史样本找到各变量的中心值；然后，通过滑动力历史样本向量集合变化规律建立信度规则库；接着在线获取输入变量样本，计算所有规则的激活权重，通过证据推理算法融合所有规则，得到融合结果，最终得到未来边坡滑动力预测值。本发明利用原始历史样本向量，数据驱动建立规则库解决了专家知识的局限性，初始规则库未能具备良好的模拟实际系统的能力的缺点，从而得到比较准确的结果。
-
公开(公告)号：CN110084518A
公开(公告)日：2019-08-02
申请号：CN201910354795.9
申请日：2019-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于混合输入置信规则推理模型的边坡稳定性评判方法。本发明利用置信规则库模型建立输入因素与输出安全系数等级之间的非线性关系模型，该方法针对原输入指标种类过多，数据量大运算时间长等问题，将边坡稳定性模型的离散输入进行编码，重组，可以大大减少模型输入的纬度，减低了数据的运算时间，提高了系统的运行效率。接着将编码后的数据进行等级划分，计算各数据对应其参考值的匹配度并计算激活权重，将所有规则后项进行融合，最后得出边坡稳定性评判结果。
-
公开(公告)号：CN114862612A
公开(公告)日：2022-08-05
申请号：CN202210494493.3
申请日：2022-05-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了的一种基于Bagging改进的矿井内数据预处理方法。该方法通过多个传感器采集到多组采掘参数与矿井沉降值，通过训练集抽取多个训练子集，并分别建立多个子模型；记录训练集所有数据分别在多个子模型的抽取权重，并计算在多个子模型的误差；根据该误差，计算每组数据在所有子模型中的平均误差；将平均误差按照降序排列，取较大的几组数据为异常数据；利用测试集数据对权重更新前后的训练集所建模型进行测试；如果测试集误差较权重更新前降低，则使用新的训练集返回开始进行循环，否则返回异常数据。本发明在集成学习Bagging的基础上对采集到的数据进行了异常辨识，有效的对矿井内数据进行了预处理。
-
公开(公告)号：CN111811617B
公开(公告)日：2022-06-14
申请号：CN202010660942.8
申请日：2020-07-10
Applicant: 杭州电子科技大学
IPC: G01F23/296
Abstract: 本发明公开了一种基于卷积神经网络的非接触式液位预测方法。本发明首先，通过声共振液位测量仪器获取实验所需的共振波数据集。其次，对时域数据集进行短时傅里叶变换,将一维时域波形信号转换为二维频谱图形式作为卷积神经网络的输入。然后，基于卷积神经网络构建回归模型，选用均方误差作为损失函数，选用Adam函数作为优化算法。最后，将训练集输入到构建的卷积神经网络模型中进行模型，再将测试集输入到训练好的卷积神经网络模型中获得预测的液位高度。本发明通过构建卷积神经网络回归模型，实现从原始数据到任务目标的映射过程；通过对模型参数迭代优化，提升卷积神经网络模型的泛化能力和预测结果的准确性。
-
公开(公告)号：CN113034855B
公开(公告)日：2022-05-27
申请号：CN202110254595.3
申请日：2021-03-09
Applicant: 杭州电子科技大学
IPC: G08B21/10
Abstract: 本发明公开了一种基于NPR缆索滑动力监测的边坡滑坡预警方法。本发明首先构造边坡滑动力预测的证据推理模型，它的输入变量为当前时刻NPR锚索传感器采集的滑动力监测值、当前时刻与历史时刻滑动力监测值之间的差值，输出变量为边坡的未来滑动力预测值；然后构造参考证据矩阵（REM）建模输入输出变量之间的映射关系；当在线获取输入变量样本时，通过REM获得它激活的证据，通过证据推理算法融合所有输入变量样本激活的证据，得到融合结果，通过融合结果推算出未来时刻边坡滑动力的预测值，并设定报警阈值实施超限报警；利用序列线性规划方法，实时更新REM用于下一时刻的滑动力预测，本发明的预测值具有较高的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN116468272A
公开(公告)日：2023-07-21
申请号：CN202310419709.4
申请日：2023-04-19
Applicant: 杭州电子科技大学
IPC: G06Q10/0635 , G06Q50/08 , G06N20/20
Abstract: 本发明涉及一种基于集成学习的复杂工程施工安全评估方法。本发明首先对于反直觉数据的识别，设计了一个多侧写集成学习过程，用于反直觉数据的初始识别，每个侧写都提供了一个人工视角来检查原始数据集，实现每个侧写都代表原始数据集，同时彼此保持不同；然后通过多模型集成学习过程进行进一步确认；最后通过在地铁隧道施工安全评估模型构建过程中对识别的反直觉数据进行降低权重来处理，从而获得更为准确可靠的安全评估模型。
-
公开(公告)号：CN109815591B
公开(公告)日：2022-09-09
申请号：CN201910070895.9
申请日：2019-01-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于稳定性证据融合的土质边坡失稳概率计算方法。本发明首先，利用圆弧法对滑动面以上的土体进行划分，分为若干个垂直的土质边坡，对于每个边坡的致灾要素参数，利用随机变量和相应的区间证据对它们进行建模，并通过集值映射得到边坡安全系数的区间证据形式。其次，对于得到的多个土质边坡安全系数的区间证据，采用ER证据推理规则对它们进行融合。最后，利用可传递新模型将融合后的区间证据转化为近似累积概率来评估边坡的稳定性。利用本发明融合后得到的失稳概率比任何一个垂直边坡得到的失稳概率更为准确，基于它进行的土体稳定性评估将更为精确可靠。
-
公开(公告)号：CN110110425B
公开(公告)日：2022-09-02
申请号：CN201910354800.6
申请日：2019-04-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于信度规则推理的边坡滑动力预测方法。本发明首先，构造边坡滑动力预测的信度规则推理模型，它的输入变量为当前时刻负泊松比锚索传感器采集的滑动力，当前时刻与历史时刻滑动力之间的差值，输出为未来边坡的滑动力预测值；其次，基于滑动力历史样本找到各变量的中心值；然后，通过滑动力历史样本向量集合变化规律建立信度规则库；接着在线获取输入变量样本，计算所有规则的激活权重，通过证据推理算法融合所有规则，得到融合结果，最终得到未来边坡滑动力预测值。本发明利用原始历史样本向量，数据驱动建立规则库解决了专家知识的局限性，初始规则库未能具备良好的模拟实际系统的能力的缺点，从而得到比较准确的结果。
-
公开(公告)号：CN114862612B
公开(公告)日：2025-03-18
申请号：CN202210494493.3
申请日：2022-05-07
Applicant: 杭州电子科技大学
Abstract: 本发明公开了的一种基于Bagging改进的矿井内数据预处理方法。该方法通过多个传感器采集到多组采掘参数与矿井沉降值，通过训练集抽取多个训练子集，并分别建立多个子模型；记录训练集所有数据分别在多个子模型的抽取权重，并计算在多个子模型的误差；根据该误差，计算每组数据在所有子模型中的平均误差；将平均误差按照降序排列，取较大的几组数据为异常数据；利用测试集数据对权重更新前后的训练集所建模型进行测试；如果测试集误差较权重更新前降低，则使用新的训练集返回开始进行循环，否则返回异常数据。本发明在集成学习Bagging的基础上对采集到的数据进行了异常辨识，有效的对矿井内数据进行了预处理。
-
公开(公告)号：CN116307143A
公开(公告)日：2023-06-23
申请号：CN202310199485.0
申请日：2023-02-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于样本型规则库推理的隧道稳定性预测方法。本发明基于锚杆类的位移传感器监测得到左拱肩、拱顶和右拱肩的收敛变形量，分别构造出相应的样本型规则库。当在线获取当前时刻左拱肩、拱顶和右拱肩监测样本后，带入对应的规则库中，按照激活程度将激活规则后项的稳定性信度分布进行融合，得到未来时刻的稳定性信度分布，将得到的三个稳定性分布进行加权融合，最终根据信度最大化原则预测未来时刻隧道的稳定性等级。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.035 seconds)
