公开(公告)号：CN115828990A

公开(公告)日：2023-03-21

申请号：CN202211368336.4

申请日：2022-11-03

Applicant: 辽宁大学

Inventor： 丁琳琳 ,  于海友 ,  潘一山 ,  王庆国 ,  包鑫阳 ,  李默

IPC: G06N3/0442 ,  G06N3/048 ,  G06N3/0464 ,  G06N3/084

Abstract: 融合自适应图扩散卷积网络的时空图节点属性预测方法，步骤如下：(1)预处理；(2)图构建；(3)模型结构；(4)离线训练；(5)在线预测；本发明设计并实现一种自适应图扩散卷积网络的时空图节点属性预测模型。针对时空图不能有效捕捉时空数据动态依赖性等问题，提出一种自适应图扩散卷积网络的时空图节点属性预测模型。首先从图结构和语义上预定义图邻接矩阵。其次提出自适应学习方法实现图结构动态加权融合扩散卷积提取动态空间依赖。然后提出门控扩展因果卷积提取时序特征。最后堆叠时空卷积块实现时空图属性预测。本发明方法在METR‑LA等大型交通数据集下与基准模型对比实验，验证本发明方法预测结果的准确性与良好的应用前景。

公开(公告)号：CN113158792A

公开(公告)日：2021-07-23

申请号：CN202110276110.0

申请日：2021-03-15

Applicant: 辽宁大学

Inventor： 丁琳琳 ,  曹鲁杰 ,  于海友 ,  潘一山 ,  张翰林

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于改进模型迁移学习的微震事件识别方法，步骤1)时间序列数据的预处理；步骤2)CNN特征提取；步骤3)LSTM特征提取；步骤4)源域特征及时间序列特征迁移；步骤5)微震分类器生成与识别。本发明通过上述方法，提供了一种基于改进模型迁移学习的微震事件识别方法，在考虑微震数据图像特征的同时，迁移源域和原始时间序列数据的特征，最终实现微震事件的有效识别。

公开(公告)号：CN120013064A

公开(公告)日：2025-05-16

申请号：CN202510081601.8

申请日：2025-01-20

Applicant: 辽宁大学

Inventor： 丁琳琳 ,  于海友 ,  司梦君垚 ,  朱晨利 ,  冯文彬 ,  包鑫阳

IPC: G06Q10/063 ,  G06Q10/04 ,  G06Q50/02 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/084 ,  G01V1/30 ,  G06F18/25 ,  G06F18/213

Abstract: 融合加权图扩散卷积与多因素特征的煤矿矿震时空图节点属性预测，属于矿震预测领域领域。步骤为：首先将时空图数据按时间粒度划分，然后通过Conv进行特征映射。其次，将映射特征分别通过三个组件，每个组件由ST‑Block捕获时空动态相关性。然后，在ST‑Block间加入残差连接Res避免深层模型梯度消失。最后，将三个组件输出进行加权融合获取三个模式不同权重关系，将融合数据通过Conv输出预测结果。

公开(公告)号：CN113158792B

公开(公告)日：2024-05-10

申请号：CN202110276110.0

申请日：2021-03-15

Applicant: 辽宁大学

Inventor： 丁琳琳 ,  曹鲁杰 ,  于海友 ,  潘一山 ,  张翰林

IPC: G06V20/10 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/096

Abstract: 一种基于改进模型迁移学习的微震事件识别方法，步骤1)时间序列数据的预处理；步骤2)CNN特征提取；步骤3)LSTM特征提取；步骤4)源域特征及时间序列特征迁移；步骤5)微震分类器生成与识别。本发明通过上述方法，提供了一种基于改进模型迁移学习的微震事件识别方法，在考虑微震数据图像特征的同时，迁移源域和原始时间序列数据的特征，最终实现微震事件的有效识别。