公开(公告)号：CN115984060A

公开(公告)日：2023-04-18

申请号：CN202310129616.8

申请日：2023-02-17

Applicant: 河南大学

Inventor： 沈夏炯 ,  李星辰 ,  张磊 ,  胡小杰 ,  孟坤颖 ,  肖琦 ,  刘宁 ,  王亚东

IPC: G06Q50/20 ,  G06F18/22 ,  G06F18/24 ,  G06F17/16

Abstract: 本发明涉及信息决策技术领域，具体涉及一种MOOC系统中基于三支决策的作业互评方法，该方法根据MOOC系统中的学生数量将学生分组，组内学生根据预先定义的犹豫模糊语言术语集合进行作业互评，得到每道题目的不同评价结果并构建每份学生作业的被评价矩阵；获取每个评价结果的置信度，将评价结果和置信度相结合得到每份学生作业的证据矩阵；并计算每份学生作业的条件概率；根据教师给定的犹豫模糊语言损失矩阵获取阈值，并根据每份学生作业的条件概率与阈值的大小将作业进分类。本发明能够准确表达评分者的想法，使计算得到的评分结果更加准确地反映学生作业的情况，能够保证作业分类质量高，分类结果准确。

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

Inventor： 张磊 ,  王亚东 ,  朱绍明 ,  孟坤颖 ,  牛一波 ,  康潇 ,  左宪禹

IPC: G06V20/52 ,  G06V20/10 ,  G06V10/82 ,  G06V10/28 ,  G06V10/30 ,  G06N3/04 ,  G06N3/08 ,  G01S13/90 ,  G01S13/95 ,  G08B21/10

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。

公开(公告)号：CN118210082A

公开(公告)日：2024-06-18

申请号：CN202410314384.8

申请日：2024-03-19

Applicant: 河南大学

Inventor： 张磊 ,  王亚东 ,  马艳红 ,  左宪禹 ,  谢毅 ,  李博源 ,  张清

IPC: G01W1/10 ,  G06V10/20 ,  G06V10/30 ,  G06V10/36 ,  G06V10/62 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/082 ,  G06N3/084

Abstract: 本发明涉及数据处理技术领域，具体涉及基于ResT和Unet融合的短时强对流降水预报方法，该方法包括：采集待预报地区预设时间段内的气象数据，并对采集到的气象数据进行预处理，其中，气象数据包括：雷达反射率图像；根据预处理后的数据，通过训练完成的ResT‑Unet融合模型进行短时强对流降水预测，其中，将ResT网络和Unet网络融合旨在提高模型对短时强对流降水事件特征的识别能力，模型训练过程中，采用交叉验证的方法来评估模型的性能，确保在不同的数据子集上都能获得稳定的预测结果。本发明不仅能够有效提取天气数据中的空间特征，还能捕捉到时间序列中的动态变化，从而大幅提升短时强对流降水的预测精度。