-
公开(公告)号：CN106295193A
公开(公告)日：2017-01-04
申请号：CN201610662522.7
申请日：2016-08-15
Applicant: 浙江工业大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 一种基于压缩感知的河流月径流量预测方法,采集河流的相关信息进行预处理，用压缩感知方法去拟合时间序列的观测数据，训练合适的模型，进行曲线拟合，得到对应每月所预测出的河流月经流量。本发明在压缩感知理论的框架下，利用最大似然估计建立时间序列预测数学模型，将参数估计归结为一个典型的压缩感知问题，再运用增广拉格朗日函数法求解出参数，从而进行时间序列预测。
-
公开(公告)号：CN106097389A
公开(公告)日：2016-11-09
申请号：CN201610403033.X
申请日：2016-06-07
Applicant: 浙江工业大学
CPC classification number: G01P5/00 , G06T2207/30181
Abstract: 一种基于图像模式识别的河流流速测量方法。该方法包含信息采集过程，训练过程和识别过程，信息采集过程获得包含河流的图像以及所述图像当前对应的环境信息和真实流速信息，通过图像处理算法对上述信息数据进行预处理；训练过程利用稀疏表示分类算法设计出符合经预处理后样本的分类器；识别过程在基于训练模块得出的分类器的基础上识别出摄像头当前帧的河流图像的预估流速范围。本发明可以实现河流流速实时监测以及数据远程传输，具有采用无接触式测量安装简单、对设备影响小、准确度高、可以远程传输的优点，非常适合我国山区小型水电站河流流速的监测。
-
公开(公告)号：CN111260500B
公开(公告)日：2021-12-07
申请号：CN201911277513.6
申请日：2019-12-12
Applicant: 浙江工业大学
Abstract: 基于Hadoop的小水电分布式差分进化调度方法，包括：步骤1：建立以发电量最大为目标的数学模型；目标函数设置为小水电站群内n个水电站发电量之和的最大值；步骤2：编码及初始化：要对这n个水电站调度周期内的引用流量进行综合调度，需将其作为一个整体，每个个体由该小水电群T时段内的引用流量值组成，即一个T*n维的数组；步骤3:进化操作，包括：变异操作、交叉操作、选择操作；步骤4:实现分布式计算：采用子种群的概念，以Hadoop平台的编程框架MapReduce为依托，首先对一定数量个体组成的父种群进行初始化，然后将该初始种群划分为一定数量的、相对独立的子种群，每个子种群独立进化，最后汇总所有子种群，筛选出最优个体。
-
公开(公告)号：CN108197809B
公开(公告)日：2021-06-08
申请号：CN201711497688.9
申请日：2017-12-28
Applicant: 浙江工业大学
Abstract: 基于维度最优转换的权值共享深度网络的实时调度方法，包括：步骤1.获取采集实际调度场合的实时数据和调度数据作为训练数据；步骤2.对步骤1中获得的实时数据进行处理，处理成为满足深度网络输入的多层二维矩阵形式；步骤3.使用步骤2中的多层二维矩阵与步骤1中获得的调度数据分别作为深度网络的输入输出，对深度网络进行训练；步骤4.将步骤3中训练好的卷积神经网络，使用在实际的调度环境中；进行实际的网络调度。
-
公开(公告)号：CN108537366A
公开(公告)日：2018-09-14
申请号：CN201810219230.5
申请日：2018-03-16
Applicant: 浙江工业大学
Abstract: 基于最优卷积二维化的水库调度方法，包括：步骤1.基于多目标最优化算法的输入数据卷积化处理；步骤2.基于卷积神经网络的动态调度模型构建；步骤3.评估模型和调整方案生成，包括训练部份和实时调度部分。本发明结合深度神经网络算法，和权值共享技术，通过大数据系统提供的大量调度历史数据训练深度人工神经网络理解调度场景内的隐含知识。研究输入水库动态精细化综合调度数据的时间空间关联性，通过权值共享的神经元链接方式减少模型构建中每层的权值数量，增加模型的深度，从而使网络充分认知水库动态精细化综合调度，并发现水库动态精细化综合调度过程中更深层次的结构，最终完成响应快，准确性高的对动态调度模型构建过程。
-
Patent Agency Ranking
公开(公告)号：CN106097389B
公开(公告)日：2018-08-21
申请号：CN201610403033.X
申请日：2016-06-07
Applicant: 浙江工业大学
Abstract: 一种基于图像模式识别的河流流速测量方法。该方法包含信息采集过程，训练过程和识别过程，信息采集过程获得包含河流的图像以及所述图像当前对应的环境信息和真实流速信息，通过图像处理算法对上述信息数据进行预处理；训练过程利用稀疏表示分类算法设计出符合经预处理后样本的分类器；识别过程在基于训练模块得出的分类器的基础上识别出摄像头当前帧的河流图像的预估流速范围。本发明可以实现河流流速实时监测以及数据远程传输，具有采用无接触式测量安装简单、对设备影响小、准确度高、可以远程传输的优点，非常适合我国山区小型水电站河流流速的监测。
-
公开(公告)号：CN107590819A
公开(公告)日：2018-01-16
申请号：CN201710654217.8
申请日：2017-08-03
Applicant: 浙江工业大学
Abstract: 一种基于压缩感知图像分析的河流表面流速估计方法，步骤如下：a)户外设备安装及配置：勘测所需监测目标河流的周边环境，然后选择合适的安装位置对摄像头进行安装和配置；b)目标河流表面水流图像采集：摄像头以60fps的帧速率拍摄各个时间段、各种天气条件下的河流表面水流视频，由工作人员使用流速仪或测速雷达记录每段视频对应时刻的河流流速；c)图像预处理：对截取的水流图像进行灰度化、直方图均衡、对比度增强、降维等预处理；d)表面流速估计：通过压缩感知图像分析方法对训练样本数据集进行建模，利用所建模型实时获取测试样本数据的类别标签。进而，依据所得类别标签对应关系映射表得到流速范围。
-
公开(公告)号：CN111260500A
公开(公告)日：2020-06-09
申请号：CN201911277513.6
申请日：2019-12-12
Applicant: 浙江工业大学
Abstract: 基于Hadoop的小水电分布式差分进化调度方法，包括：步骤1：建立以发电量最大为目标的数学模型；目标函数设置为小水电站群内n个水电站发电量之和的最大值；步骤2：编码及初始化：要对这n个水电站调度周期内的引用流量进行综合调度，需将其作为一个整体，每个个体由该小水电群T时段内的引用流量值组成，即一个T*n维的数组；步骤3:进化操作，包括：变异操作、交叉操作、选择操作；步骤4:实现分布式计算：采用子种群的概念，以Hadoop平台的编程框架MapReduce为依托，首先对一定数量个体组成的父种群进行初始化，然后将该初始种群划分为一定数量的、相对独立的子种群，每个子种群独立进化，最后汇总所有子种群，筛选出最优个体。
-
公开(公告)号：CN108197809A
公开(公告)日：2018-06-22
申请号：CN201711497688.9
申请日：2017-12-28
Applicant: 浙江工业大学
Abstract: 基于维度最优转换的权值共享深度网络的实时调度方法，包括：步骤1.获取采集实际调度场合的实时数据和调度数据作为训练数据；步骤2.对步骤1中获得的实时数据进行处理，处理成为满足深度网络输入的多层二维矩阵形式；步骤3.使用步骤2中的多层二维矩阵与步骤1中获得的调度数据分别作为深度网络的输入输出，对深度网络进行训练；步骤4.将步骤3中训练好的卷积神经网络，使用在实际的调度环境中；进行实际的网络调度。
-
公开(公告)号：CN112598189B
公开(公告)日：2021-10-15
申请号：CN202011597379.0
申请日：2020-12-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于成功历史自适应参数的差分进化(SHADE)算法用于搜索应急物资紧急救援路径，主要方法为：通过学习差分进化算法中的成功个体的交叉率和变异率，使得该方法能够找到更优越的路径。为了搜索更多的等效的应急物资救援调度路径，适应度分享机制被同时用在目标空间和决策空间以保证路径的多样性，为用户提供多样的可行路径以供选择，也避免单一路径由于某种突发原因不可通行情况的出现。本发明不仅能够搜索到满足目标条件的最优应急物资救援调度路径，而且能够提供多条等效路径，为应急物资第一时间送至目的地进行救援提供保障。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.02 seconds)
