公开(公告)号：CN118965194B

公开(公告)日：2025-02-28

申请号：CN202410928501.X

申请日：2024-07-11

Applicant: 重庆交通大学

Inventor： 唐菲菲 ,  陈星池 ,  孟煜芝 ,  周泽林 ,  周玉涛 ,  杨志鑫

IPC: G06F18/2431 ,  G06F18/23213 ,  G06F18/214 ,  G06F18/27 ,  G06N20/20 ,  G06F30/27 ,  G01S19/14 ,  G06F119/02

Abstract: 本发明提供一种考虑位移牵引的滑坡稳定性靶向分析方法，该方法包括：对GNSS监测点数据进行处理分析，考虑位移牵引对格网单元尺度划分的影响，对位移数据进行靶向分析，得到确定最佳评价单元；在考虑确定最佳评价单元的条件下提取评价因子；提取各监测点位移特征数据，采用聚类算法对所述位移特征数据进行聚类分析，构建初始评价样本集，并扩充为训练数据。训练多个机器学习模型后，对比分析精度，确定最优模型；横向对比常规与位移牵引格网尺度下的最优模型分类精度，确定最优评价模型进行滑坡稳定性评价。本发明实现了对滑坡稳定性的精准评价，为滑坡防治提供了有力的科学依据。

公开(公告)号：CN119935140A

公开(公告)日：2025-05-06

申请号：CN202411990674.0

申请日：2024-12-31

Applicant: 重庆交通大学

Inventor： 张桓 ,  罗文燚 ,  彭孟竹 ,  邱臣源 ,  唐菲菲 ,  潘建平 ,  谢远勇 ,  陈茂霖 ,  杨志鑫 ,  吴寒 ,  马威

IPC: G01C21/20 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N20/20

Abstract: 本发明公开了一种基于卡尔曼滤波融合深度学习算法的室内定位方法及装置，包括：采集三轴陀螺仪数据；构建深度学习模型，通过CNN网络模块用于对预处理后的三轴陀螺仪数据进行卷积处理，LSTM网络模块根据陀螺仪数据的时间变化情况和空间分布情况从卷积神经网络输出的数据中学习陀螺仪数据中的非线性规律，注意力模块对LSTM的输出进行加权，AdaBoost集成模块集成多个弱学习器，输出最终的陀螺仪数据；采用四元数法计算旋转矩阵对最终陀螺仪预测数据进行解算；再根据当前航向角与预设主导方向之间的偏差，判断当前航向角是否可用，引入卡尔曼滤波器中进行滤波处理，滤波得到航向角最优估计偏差，并利用最优估计偏差对当前航向角进行修正得到当前的位置信息。

公开(公告)号：CN119903437A

公开(公告)日：2025-04-29

申请号：CN202411990671.7

申请日：2024-12-31

Applicant: 重庆交通大学

Inventor： 张桓 ,  邱臣源 ,  彭孟竹 ,  罗文燚 ,  唐菲菲 ,  潘建平 ,  谢远勇 ,  陈茂霖 ,  吴寒 ,  杨志鑫 ,  姬翠翠

IPC: G06F18/2431 ,  G06F18/15 ,  G06N20/20 ,  G06N5/01 ,  G01W1/10 ,  G06F123/02

Abstract: 本发明公开了一种基于随机森林算法的ZWD预报方法及装置，其中的方法包括：采集全球范围内的对流层延迟站点数据并进行预处理，然后从预处理后的对流层延迟站点数据中提取出时间、对流层干延迟以及对流层湿延迟特征；再将时间、对流层干延迟特征作为输入，对流层湿延迟特征作为输出，构建和训练随机森林算法模型；最后利用训练好的随机森林算法模型对待测区域进行ZWD预报。随机森林算法有效地解决了全球长时间预报模型处理数据量过大的问题，同时防止了过拟合问题，预测结果精度较高。本发明采用三年内全球各点的观测数据建立模型，并对未来一个月的全球的对流层湿延迟进行预报，为全球长时间的对流层湿延迟模型提供了一种思路和方法。

公开(公告)号：CN118965194A

公开(公告)日：2024-11-15

申请号：CN202410928501.X

申请日：2024-07-11

Applicant: 重庆交通大学

Inventor： 唐菲菲 ,  陈星池 ,  孟煜芝 ,  周泽林 ,  周玉涛 ,  杨志鑫

IPC: G06F18/2431 ,  G06F18/23213 ,  G06F18/214 ,  G06F18/27 ,  G06N20/20 ,  G06F30/27 ,  G01S19/14 ,  G06F119/02

Abstract: 本发明提供一种考虑位移牵引的滑坡稳定性靶向分析方法，该方法包括：对GNSS监测点数据进行处理分析，考虑位移牵引对格网单元尺度划分的影响，对位移数据进行靶向分析，得到确定最佳评价单元；在考虑确定最佳评价单元的条件下提取评价因子；提取各监测点位移特征数据，采用聚类算法对所述位移特征数据进行聚类分析，构建初始评价样本集，并扩充为训练数据。训练多个机器学习模型后，对比分析精度，确定最优模型；横向对比常规与位移牵引格网尺度下的最优模型分类精度，确定最优评价模型进行滑坡稳定性评价。本发明实现了对滑坡稳定性的精准评价，为滑坡防治提供了有力的科学依据。

公开(公告)号：CN118734184A

公开(公告)日：2024-10-01

申请号：CN202410767789.7

申请日：2024-06-14

Applicant: 重庆交通大学

Inventor： 张桓 ,  唐菲菲 ,  潘建平 ,  陈茂霖 ,  杨志鑫 ,  吴寒 ,  刘劲宏 ,  姬长全

IPC: G06F18/2415 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/086 ,  G06N3/0985 ,  G06F123/02

Abstract: 本发明公开了一种基于集成算法的对流层湿延迟预报方法及装置，首先分析了GNSS对流层湿延迟的时空变化特征，并探讨湿延迟的时间序列变化趋势以及在全球范围内与海拔的相关性。将对流层湿延迟结合鹈鹕算法优化卷积神经网络中的超参数，再将卷积后的结果结合长短期记忆神经网络算法构建高精度的对流层湿延迟预报模型。通过鹈鹕算法有效解决了卷积神经网络中超参数设置的难题，卷积与长短期记忆神经网络相结合发挥了LSTM中记忆细胞的优势，同时充分利用了卷积的优势，实现了对流层湿延迟时间序列数据的局部连接。统计结果表明，模型的预报对流层湿延迟全球平均精度约为12mm，相比同类模型精度显著提升。