-
公开(公告)号：CN110991600B
公开(公告)日：2020-09-22
申请号：CN201911050246.9
申请日：2019-10-31
Abstract: 本发明公布了一种融合分布估计算法与极限学习机的干旱智慧预测方法，提出了成功融合分布估计算法(EDA)和极限学习机(ELM)的方法，构建了EDA‑ELM混合模型；根据研究区的特点，选取并计算相应的干旱指数表征干旱，并作为EDA‑ELM模型输出；搜集与干旱成因有关的致旱因子构建大数据集，利用信息理论筛选出与干旱成因最为密切的关键致旱因子，作为模型输入；设置EDA‑ELM混合模型中的参数，调试模型结构，应用于干旱预测。该方法融合了信息学、统计学及水文气象学领域相关知识，具有预测精度高，泛化能力强，适用范围广等优点，为基于大数据的干旱预测提供了一条有效的路径。
-
公开(公告)号：CN117953278B
公开(公告)日：2025-03-18
申请号：CN202410033933.4
申请日：2024-01-10
Applicant: 河海大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/25 , G06V20/10 , G06V20/13 , G06V10/40 , G06V10/62 , G06V10/58 , G06V10/54 , G06N20/00
Abstract: 本发明公开了一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统，方法包括：基于遥感云平台进行Landsat遥感影像数据集获取与预处理；结合灌区作物季节和物候变化特征构建遥感影像特征数据集；基于基尼系数对特征重要性排序，并通过递归特征消除算法确定最优特征组合；基于最优特征组合，将不同机器学习算法进行叠加提出Stacking算法架构下基于多个差异化模型集成的灌区作物分类模型；比较不同模型在灌区作物分类中的性能表现，基于最优灌区作物模型实现灌区作物精确分类。本发明通过构建最优特征组合以及集成分类模型的方法能够有效提高灌区作物的分类精度，为复杂种植结构灌区获取大范围作物分布制图提供技术参考。
-
公开(公告)号：CN110942149A
公开(公告)日：2020-03-31
申请号：CN201911050233.1
申请日：2019-10-31
Abstract: 本发明公开了一种基于信息变化率和条件互信息的特征变量选择方法，利用互信息值最大原则选出第一个特征变量；进一步提出信息变化率概念，定量描述输入因子对输出因子的贡献率，并以其为关键的控制参数，结合条件互信息概念共同设计了变量选择既定规则，实现特征变量的高效选择；利用公共数据集验证方法的有效性。本发明提出的基于信息变化率和条件互信息的特征变量选择方法参数数学意义明确，能够定量描述输入输出变量间的线性和非线性关系，显著提高了特征变量筛选质量和筛选效率，为大数据时代机器学习技术的发展提供支撑。
-
公开(公告)号：CN113821759B
公开(公告)日：2022-04-29
申请号：CN202111134822.5
申请日：2021-09-27
Applicant: 河海大学
Abstract: 本发明提出了一种基于泰勒级数展开的暴雨强度公式参数率定方法，包括：随机生成一组暴雨强度公式参数初始值；将参数初始值与不同历时t、不同重现期T组合，输入暴雨强度公式计算暴雨强度得到m组计算样本；将暴雨强度公式参数作为自变量，对暴雨强度公式进行泰勒级数展开，并表示为矩阵形式，根据目标样本和计算样本确定偏导数矩阵S；对泰勒展开矩阵式进行变换，确定参数搜索方向、搜索步长，对参数进行优化；若参数未收敛，则令优化后参数为参数初始值继续处理，直到参数收敛，得到最终参数率定结果。本发明能有效破解智能算法利用目标函数率定参数存在的异参同效问题和无法保证优选的参数值为真值的问题。
-
公开(公告)号：CN108549777B
公开(公告)日：2020-09-22
申请号：CN201810351428.9
申请日：2018-04-19
Applicant: 河海大学
IPC: G06F17/10
Abstract: 本发明公开了一种中华鲟适宜产卵条件满足度计算方法，在厘清与中华鲟产卵可能相关的流量、泥沙、水温等水文、水力因子的基础上，确定中华鲟产卵所需的各水文、水力因子对应的适宜条件范围，分析中华鲟产卵个数与各个因子的相关性，基于相关性程度对各个因子赋值权重；提出中华鲟产卵单因子适宜条件满足度的定义及计算方法；在计算各水文、水力因子在中华鲟产卵适宜条件范围内的满足度的基础上，考虑各水文、水力因子对中华鲟产卵的响应权重，求得最终的中华鲟产卵适宜条件的综合满足度。
-
Patent Agency Ranking
公开(公告)号：CN113821759A
公开(公告)日：2021-12-21
申请号：CN202111134822.5
申请日：2021-09-27
Applicant: 河海大学
Abstract: 本发明提出了一种基于泰勒级数展开的暴雨强度公式参数率定方法，包括：随机生成一组暴雨强度公式参数初始值；将参数初始值与不同历时t、不同重现期T组合，输入暴雨强度公式计算暴雨强度得到m组计算样本；将暴雨强度公式参数作为自变量，对暴雨强度公式进行泰勒级数展开，并表示为矩阵形式，根据目标样本和计算样本确定偏导数矩阵S；对泰勒展开矩阵式进行变换，确定参数搜索方向、搜索步长，对参数进行优化；若参数未收敛，则令优化后参数为参数初始值继续处理，直到参数收敛，得到最终参数率定结果。本发明能有效破解智能算法利用目标函数率定参数存在的异参同效问题和无法保证优选的参数值为真值的问题。
-
公开(公告)号：CN111949928B
公开(公告)日：2021-04-02
申请号：CN202010794570.8
申请日：2020-08-10
Applicant: 河海大学
Abstract: 本发明提出了一种基于暴雨衰减特性的暴雨强度公式确定方法，包括：(1)根据实测降雨资料构建暴雨数据统计样本；(2)选用分布线型对不同历时年最大降雨量作频率分析，计算不同历时t不同重现期T的理论设计暴雨强度it,T；(3)解析暴雨强度衰减特性，计算综合暴雨强度衰减指数n；(4)建立雨力ST与重现期T的函数关系，求解雨力公式参数A、B；(5)编制暴雨强度公式。本发明在充分考虑了地区实际暴雨强度衰减规律的基础上，建立了兼容市政排水和水利防洪要求的长历时暴雨强度公式，提出的以暴雨衰减特性为基础的参数确定方法，可使推求的暴雨强度公式更符合实际物理规律，具有易操作、高精度的优点。
-
公开(公告)号：CN110942149B
公开(公告)日：2020-09-22
申请号：CN201911050233.1
申请日：2019-10-31
Abstract: 本发明公开了一种基于信息变化率和条件互信息的特征变量选择方法，利用互信息值最大原则选出第一个特征变量；进一步提出信息变化率概念，定量描述输入因子对输出因子的贡献率，并以其为关键的控制参数，结合条件互信息概念共同设计了变量选择既定规则，实现特征变量的高效选择；利用公共数据集验证方法的有效性。本发明提出的基于信息变化率和条件互信息的特征变量选择方法参数数学意义明确，能够定量描述输入输出变量间的线性和非线性关系，显著提高了特征变量筛选质量和筛选效率，为大数据时代机器学习技术的发展提供支撑。
-
公开(公告)号：CN117953278A
公开(公告)日：2024-04-30
申请号：CN202410033933.4
申请日：2024-01-10
Applicant: 河海大学
IPC: G06V10/764 , G06V10/774 , G06V10/776 , G06V10/25 , G06V20/10 , G06V20/13 , G06V10/40 , G06V10/62 , G06V10/58 , G06V10/54 , G06N20/00
Abstract: 本发明公开了一种基于遥感云平台和机器学习算法的灌区作物分类方法及系统，方法包括：基于遥感云平台进行Landsat遥感影像数据集获取与预处理；结合灌区作物季节和物候变化特征构建遥感影像特征数据集；基于基尼系数对特征重要性排序，并通过递归特征消除算法确定最优特征组合；基于最优特征组合，将不同机器学习算法进行叠加提出Stacking算法架构下基于多个差异化模型集成的灌区作物分类模型；比较不同模型在灌区作物分类中的性能表现，基于最优灌区作物模型实现灌区作物精确分类。本发明通过构建最优特征组合以及集成分类模型的方法能够有效提高灌区作物的分类精度，为复杂种植结构灌区获取大范围作物分布制图提供技术参考。
-
公开(公告)号：CN111949928A
公开(公告)日：2020-11-17
申请号：CN202010794570.8
申请日：2020-08-10
Applicant: 河海大学
Abstract: 本发明提出了一种基于暴雨衰减特性的暴雨强度公式确定方法，包括：(1)根据实测降雨资料构建暴雨数据统计样本；(2)选用分布线型对不同历时年最大降雨量作频率分析，计算不同历时t不同重现期T的理论设计暴雨强度it,T；(3)解析暴雨强度衰减特性，计算综合暴雨强度衰减指数n；(4)建立雨力ST与重现期T的函数关系，求解雨力公式参数A、B；(5)编制暴雨强度公式。本发明在充分考虑了地区实际暴雨强度衰减规律的基础上，建立了兼容市政排水和水利防洪要求的长历时暴雨强度公式，提出的以暴雨衰减特性为基础的参数确定方法，可使推求的暴雨强度公式更符合实际物理规律，具有易操作、高精度的优点。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.013 seconds)
