-
公开(公告)号：CN106650767A
公开(公告)日：2017-05-10
申请号：CN201610835246.X
申请日：2016-09-20
Applicant: 河海大学
CPC classification number: G06K9/6223 , G06K9/6256 , G06K9/6269 , G06N3/084
Abstract: 本发明公开了基于聚类分析和实时校正的洪水预报方法，步骤为：一是利用主成分分析(PCA)对模型的输入做降维处理。二是利用K‑means聚类方法对原始数据进行聚类分析。将洪水数据划分为不同的类别，然后训练不同的SVM模型，当输入测试样本，利用聚类质心判断该测试样本所属的类别，并用对应的模型对其进行预测，得到预测值q；三是BP神经网络实时校正。计算预测值与真实值的误差序列，利用误差序列数据训练BP神经网络误差校正模型，得到误差校正值qe，最终预报结果为模型预报值q加上误差预报值qe。本发明的优点在于：通过聚类分析将原始水文数据分为几类，分别训练模型，实现多模型预报；然后通过BP神经网络实现实时校正提高了洪峰时刻预报准确率。
-
公开(公告)号：CN107145965A
公开(公告)日：2017-09-08
申请号：CN201710228116.4
申请日：2017-04-10
Applicant: 河海大学
Abstract: 本发明涉及一种基于相似度匹配和极限学习机的河流洪水预测方法，首先基于极限学习机模型，获得各个历史洪水样本分别所对应的最优流量预测模型；然后，基于相似度匹配值由大至小顺序，选取预设前K个历史洪水样本，作为各个参考洪水样本；最后，基于实时水流量特征和实时降雨量特征进行流量值预测，并根据所获流量预测值，进行洪水判断。如此，所设计基于相似度匹配和极限学习机的河流洪水预测方法，能够克服现有技术的不足，有效提高河流洪水的实际预报精率。
-
公开(公告)号：CN107145965B
公开(公告)日：2020-01-24
申请号：CN201710228116.4
申请日：2017-04-10
Applicant: 河海大学
Abstract: 本发明涉及一种基于相似度匹配和极限学习机的河流洪水预测方法，首先基于极限学习机模型，获得各个历史洪水样本分别所对应的最优流量预测模型；然后，基于相似度匹配值由大至小顺序，选取预设前K个历史洪水样本，作为各个参考洪水样本；最后，基于实时水流量特征和实时降雨量特征进行流量值预测，并根据所获流量预测值，进行洪水判断。如此，所设计基于相似度匹配和极限学习机的河流洪水预测方法，能够克服现有技术的不足，有效提高河流洪水的实际预报精率。
-
Patent Agency Ranking
公开(公告)号：CN107563567A
公开(公告)日：2018-01-09
申请号：CN201710841563.7
申请日：2017-09-18
Applicant: 河海大学
Abstract: 本发明公开了一种基于稀疏自编码的核极限学习机洪水预报方法，包括如下步骤：(1)选取中小河流洪水数据，对数据进行整理与清洗；(2)选取合适的预报因子并整理样本，对样本数据进行预处理；(3)将原始样本数据经过多层稀疏自编码器进行无监督学习，分别训练最优网络层参数；(4)经过多层稀疏自编码学习后的样本数据作为KELM模型的输入，构建SAE_KELM模型，预测并评价相应结果。本发明在KELM模型基础上融合SAE方法，构建深层网络模型，通过增加模型的层数来学习复杂数据之间丰富的内在信息，SAE_KELM模型不仅可以学习到原始水文数据中的“本质”特征，而且学习到的特征对数据有更本质的刻画，KELM模型能够更好地拟合特征值与目标值之间的映射关系。
-
公开(公告)号：CN106650767B
公开(公告)日：2020-10-27
申请号：CN201610835246.X
申请日：2016-09-20
Applicant: 河海大学
Abstract: 本发明公开了基于聚类分析和实时校正的洪水预报方法，步骤为：一是利用主成分分析(PCA)对模型的输入做降维处理。二是利用K‑means聚类方法对原始数据进行聚类分析。将洪水数据划分为不同的类别，然后训练不同的SVM模型，当输入测试样本，利用聚类质心判断该测试样本所属的类别，并用对应的模型对其进行预测，得到预测值q；三是BP神经网络实时校正。计算预测值与真实值的误差序列，利用误差序列数据训练BP神经网络误差校正模型，得到误差校正值qe，最终预报结果为模型预报值q加上误差预报值qe。本发明的优点在于：通过聚类分析将原始水文数据分为几类，分别训练模型，实现多模型预报；然后通过BP神经网络实现实时校正提高了洪峰时刻预报准确率。
-
公开(公告)号：CN105139093B
公开(公告)日：2019-05-31
申请号：CN201510564457.X
申请日：2015-09-07
Applicant: 河海大学
CPC classification number: Y02A10/46
Abstract: 本发明公开了一种基于Boosting算法和支持向量机的洪水预报方法，该方法包括如下步骤：运用相关系数法确定预报因子；利用核主成分分析对所述预报因子进行降维处理；利用Boosting算法选取样本建立多个支持向量机预测模型，引入损失函数和相关系数调整样本权重，最后组合为一个总预测模型；利用所述总预测模型对测试样本进行预测。本发明前两个步骤是数据预处理，目的是提取洪水数据中的有用信息，消除冗余信息对预报造成的干扰。第三个步骤将Boosting算法引入到洪水预报中，尽量将前一个模型不能很好学习的样本，抽取出来用于训练下一个模型，这样组合后的模型可以有效提高洪水预报准确率，最后一个步骤用于检验模型效果。实验数据表明本方案能很好地提高预报精度。
-
公开(公告)号：CN105139093A
公开(公告)日：2015-12-09
申请号：CN201510564457.X
申请日：2015-09-07
Applicant: 河海大学
CPC classification number: Y02A10/46
Abstract: 本发明公开了一种基于Boosting算法和支持向量机的洪水预报方法，该方法包括如下步骤：运用相关系数法确定预报因子；利用核主成分分析对所述预报因子进行降维处理；利用Boosting算法选取样本建立多个支持向量机预测模型，引入损失函数和相关系数调整样本权重，最后组合为一个总预测模型；利用所述总预测模型对测试样本进行预测。本发明前两个步骤是数据预处理，目的是提取洪水数据中的有用信息，消除冗余信息对预报造成的干扰。第三个步骤将Boosting算法引入到洪水预报中，尽量将前一个模型不能很好学习的样本，抽取出来用于训练下一个模型，这样组合后的模型可以有效提高洪水预报准确率，最后一个步骤用于检验模型效果。实验数据表明本方案能很好地提高预报精度。
-
公开(公告)号：CN204829209U
公开(公告)日：2015-12-02
申请号：CN201520599788.2
申请日：2015-08-11
Applicant: 河海大学
IPC: F16M13/04
Abstract: 本实用新型涉及一种运动型臂式自拍杆，包括弹性臂带（3）、可变长度的自拍杆本体（1），以及设置在自拍杆本体（1）顶端的拍摄装置连接件（2），用于可拆卸式地连接拍摄装置；自拍杆本体（1）的底端可拆卸式地连接在弹性臂带（3）的外侧面；拍摄装置连接件（2）与自拍杆本体（1）顶端之间活动连接，拍摄装置连接件（2）以自拍杆本体（1）所在直线为轴进行转动；本实用新型设计的运动型臂式自拍杆，有效提高了自拍杆本体（1）的便携性，能够避免自拍杆本体（1）的丢失，并且整个设计运动型臂式自拍杆的结构，具有结构简洁、使用方便的优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
