基于岩石变形局部化状态的矿震时间预测方法

    公开(公告)号:CN119828219A

    公开(公告)日:2025-04-15

    申请号:CN202510022165.7

    申请日:2025-01-07

    Applicant: 辽宁大学

    Abstract: 本发明属于矿山动力灾害防治领域,为一种基于岩石变形局部化状态的矿震时间预测方法。首先,该方法通过理论分析建立了矿震与变形局部化之间的联系。然后,利用数字图像相关技术和声发射监测技术获取岩石变形破坏的详细物理信息。随后,通过扩展的Saito理论构建了时间预测模型,并引入了声发射空间聚集性指标来识别变形局部化开始的关键时间点。通过分析声发射事件,确定了“平静期”这一重要的前兆特征,并将其作为预测模型的关键参数,成功预测了岩石的失稳破坏时间。基于微震事件,在现场实例应用中较为准确的提前预测出矿震发生的时间。

    融合自适应图扩散卷积网络的时空图节点属性预测方法

    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

    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。

    一种融合外部信息和内部信息的知识超图链接预测方法

    公开(公告)号:CN119940506A

    公开(公告)日:2025-05-06

    申请号:CN202510028958.X

    申请日:2025-01-08

    Applicant: 辽宁大学

    Abstract: 一种融合外部信息和内部信息的知识超图链接预测方法,步骤为:1数据预处理并利用词向量模型对知识超图数据集中关系和实体嵌入并转为初始特征矩阵;2根据初始特征矩阵以及不同关系重要程度进行知识超图n元组外部信息提取;3根据关系和实体嵌入,将其转为二维矩阵并进行连接转为三维矩阵,通过3D卷积神经网络进行语义信息提取;4根据关系和实体嵌入提取实体的序列信息;5将外部信息和内部信息(语义信息和实体序列信息)结合作为n元组的最后特征表示,并计算n元组得分;6设计损失函数训练模型;7将实体或者关系插入缺失元组,并根据模型计算n元组得分;8将得分最高元组作为最优链接预测n元组,或选取最优几个n元组作为候选元组。

    一种面向大规模稀疏二部图的自适应锚点图注意力网络嵌入方法及系统

    公开(公告)号:CN119808829A

    公开(公告)日:2025-04-11

    申请号:CN202510028961.1

    申请日:2025-01-08

    Applicant: 辽宁大学

    Abstract: 一种面向大规模稀疏二部图的自适应锚点图注意力网络嵌入方法及系统,方法首先通过分析图的规模、稀疏度、用户节点数量和平均度等图特征,建立动态锚点数量生成机制,实现锚点数量的自适应调整;其次,设计全连接注意力机制,通过FCAsend和FCArecv双向注意力操作实现用户节点与锚点节点之间的高效信息传递,解决稀疏区域的信息缺失问题;最后,引入带有熵正则化的二部图注意力网络,采用统一权重矩阵和稀疏注意力机制处理稠密区域,有效防止节点特征过度平滑。本发明通过自适应锚点和双重注意力机制的创新结合,显著提升了大规模稀疏二部图的嵌入质量,在推荐系统和链接预测等实际任务中取得了超越现有方法的性能表现。

    一种基于带标签的时序图中查询Skyline路径的方法

    公开(公告)号:CN118364138A

    公开(公告)日:2024-07-19

    申请号:CN202310062069.6

    申请日:2023-01-18

    Applicant: 辽宁大学

    Abstract: 一种基于带标签的时序图中查询Skyline路径的方法,属于图数据管理领域。传统的Skyline路径查询研究中没有考虑时间因素,同时大部分传统路径研究中只关注于单一约束因素的路径查询。为了解决上述问题,提出一种基于带标签的时序图中查询Skyline路径的方法。该方法首先定义了带标签的时序图以及带标签时序图中的Skyline路径;然后构造了MP索引结构,该索引结构分为MP顶点查找、Mout集合构建步骤;然后发明了基于MP索引的带标签的Skyline路径查询方法;最后,随着时序图的变化,该方法中的索引也可以进行动态更新。该方法不仅考虑时间因素,同时可以满足用户的多样化查询需求。为了测试本方法的性能,在十个真实数据集上与其他方法进行对比,结果表明该方法具有更好的索引构造时间以及更短的查询时间。

    一种融合全局周期性和局部规律性的下一个兴趣点推荐方法

    公开(公告)号:CN119474564A

    公开(公告)日:2025-02-18

    申请号:CN202411617270.7

    申请日:2024-11-13

    Applicant: 辽宁大学

    Abstract: 一种融合全局周期性和局部规律性的下一个兴趣点推荐方法,步骤为:1获取历史数据并预处理,得到数据集;2提取数据集中的相关属性,组成用户的签到序列;3将用户短期签到序列中的距离跨度信息构建图结构用于图卷积网络,更新兴趣点的嵌入表示;4对用户的兴趣点签到序列编码,生成签到的嵌入表示,并划分为以签到为单位和以天为单位的签到序列嵌入表示;5根据签到序列的嵌入表示,构建代表用户的短期偏好嵌入表示和长期偏好嵌入表示;6根据用户长期和短期的偏好嵌入表示,预测用户下一次兴趣点是某些地点的概率;7选取最优的几个兴趣点进行推荐,得到推荐集合。本发明通过上述方法,实现更具个性化、更精准的下一个兴趣点推荐。

Patent Agency Ranking