基于雷达图像的U-net变体神经网络的洪涝预警方法

    公开(公告)号:CN115512299A

    公开(公告)日:2022-12-23

    申请号:CN202211188983.7

    申请日:2022-09-27

    Applicant: 河南大学

    Abstract: 本发明公开了基于雷达图像的U‑net变体神经网络的洪涝预警方法,包括以下步骤:A:获取监测区域的彩色雷达图片并转换为灰度图片,从而建立训练数据集和测试数据集;B:建立U‑net变体神经网络模型;C:利用训练数据集得到训练后的U‑net变体神经网络模型;D:利用测试数据集得到监测区域的雷达图像;E:利用雷达图像进行质量评估得到U‑net变体神经网络的性能分析结果;F:根据性能分析结果对U‑net变体神经网络模型进行优化;G:根据优化后的U‑net变体神经网络模型,利用彩色雷达图片进行洪涝预警。本发明能够通过易获取的雷达图像捕捉在洪涝灾害预警中的非线性事件能力,提高洪涝灾害预警的准确性。

    基于国产密码和加强密钥分散遥感仿真平台加密技术方法

    公开(公告)号:CN116318890A

    公开(公告)日:2023-06-23

    申请号:CN202310151336.7

    申请日:2023-02-22

    Applicant: 河南大学

    Abstract: 本发明涉及密码学技术领域,具体涉及基于国产密码和加强密钥分散遥感仿真平台加密技术方法。该方法通过国产密码对遥感仿真平台进行安全防护,利用访问控制对用户的操作权限做出限制;针对于国产对称密码SM4的密钥分散技术,利用分层的方法可以大大提高系统的安全性,由于下层密钥可以按照设计成某种协议不断变化,使得整个密钥表现为动态特征,结合DNA编码技术对敏感信息打乱,能够在互联网中更加安全的传输。能够对开放场景下的遥感仿真平台进行安全防护,从而提高遥感数据和遥感算法的安全性。本发明还通过改进的国产对称密码SM4的密钥分配,根据动态的密钥以及DNA编码技术,提高了遥感仿真平台的安全性。

    基于数据隐私保护的联邦深度学习风力发电预测方法

    公开(公告)号:CN116821687A

    公开(公告)日:2023-09-29

    申请号:CN202310827033.2

    申请日:2023-07-06

    Applicant: 河南大学

    Abstract: 本发明涉及风电功率预测技术领域,具体涉及基于数据隐私保护的联邦深度学习风力发电预测方法,该方法包括:获取预设数量个不同风电场的风电功率数据集,对风电功率数据集进行预处理,将预处理后的风电功率数据集划分为训练数据集和测试数据集;建立Fed‑BILSTM联邦深度学习模型;根据训练数据集,对建立的Fed‑BILSTM联邦深度学习模型进行训练,得到训练后的Fed‑BILSTM联邦深度学习模型;根据测试数据集,对训练后的Fed‑BILSTM联邦深度学习模型进行验证;通过训练后的Fed‑BILSTM联邦深度学习模型,进行风电功率预测。本发明可以提高数据的安全性和预测的准确度。

Patent Agency Ranking