-
公开(公告)号:CN105577473B
公开(公告)日:2019-06-04
申请号:CN201510967452.1
申请日:2015-12-21
Applicant: 重庆大学
IPC: H04L12/26
Abstract: 本发明公开了一种基于网络流量模型的多业务流量生成系统,其特征在于,包括:建立流量模块,用于根据网络流量业务的属性和生成规律,选取相应的网络流量模型进行建模,产生具有自相似性或多重分形特性的网络流量;改进小波运算模块,用于基于多分形小波模型设计网络流量的生成算法,并选取小波基函数,对多分形小波模型进行并行化改进;验证流量运行模块,用于通过方差时间法和多重分形谱检测网络流量模型的自相似性,从而验证网络流量模型的稳定性和可靠性。
-
公开(公告)号:CN105547560B
公开(公告)日:2019-01-11
申请号:CN201610051294.X
申请日:2016-01-26
Applicant: 重庆大学
IPC: G01L5/00
Abstract: 本发明公开了一种基于液态金属天线单向应力传感器的滑面推力远程检测方法,它包括1、在滑坡主滑方向滑动面上布置多个单向应力传感器;利用单向应力传感器中的液态金属天线在受力后长度改变引起频率变化进行滑坡信息检测;2、测定各时段各液态金属天线的工作频率;通过数据采集模块记录下各时段的工作频率;3、将采集的液态金属天线工作频率发送至指定终端;4、计算滑面推力并进行预警。本发明具有如下的优点:能够实时远程监测滑动面推力的变化,既简化了数据处理,又提高了滑面推力的监测精度。
-
公开(公告)号:CN105936551B
公开(公告)日:2018-10-09
申请号:CN201610559023.5
申请日:2016-07-15
Applicant: 重庆大学
IPC: C02F3/34 , C02F3/30 , C02F101/16
Abstract: 本发明公开了一种检测污水脱氮过程中亚硝化速率与亚硝酸盐降解速率的方法,1)从待测污水生物脱氮系统内接种生物膜或活性污泥至测试容器中,然后加入与待测污水生物脱氮系统同种废水至测试容器中,参照待测污水生物脱氮系统调控参数运行2h以上;2)向测试容器中加入15N标记NaNO2溶液,NaNO2溶液最终浓度为1‑2 uM,搅拌混匀运行测试容器;3)分两次取测试容器中水样,取样后检测样品中亚硝氮浓度和亚硝氮中15N同位素丰度;4)将检测结果带入计算公式即可计算出亚硝酸盐产生速率和亚硝酸盐降解速率。本方法测量准确,解决了现有方法中间产物生成与降解速率测定的难题,实现了复杂体系中单一过程的检测。
-
公开(公告)号:CN103693807B
公开(公告)日:2015-05-13
申请号:CN201310677719.4
申请日:2013-12-13
Applicant: 重庆大学
IPC: C02F9/14 , C02F3/28 , C02F103/32
Abstract: 本发明公开了一种基于厌氧氨氧化处理榨菜废水的组合方法,榨菜废水首先进入第一调节池进行碱度控制,之后进入ASBBR反应器进行厌氧处理,将有机氮转换为氨氮;ASBBR反应器出水流入第二调节池进行碱度控制后,进入SBR反应器进行半亚硝化,控制SBR反应器出水NO2--N/NH4+-N在1~1.3之间,满足厌氧氨氧化工艺进水需求;SBR反应器出水进入第三调节池进行碱度控制,然后在UASB反应器中进行厌氧氨氧化反应。本发明能很好适应榨菜废水的盐度,并且可同时高效去除榨菜废水中的高浓度有机物和高浓度氮素,能耗低,污泥产量少。
-
公开(公告)号:CN118157161A
公开(公告)日:2024-06-07
申请号:CN202410439339.5
申请日:2024-04-12
Applicant: 国网河南省电力公司经济技术研究院 , 重庆大学
Inventor: 宋晓帆 , 陈晨 , 董平先 , 薛文杰 , 王顺然 , 张金凤 , 齐桓若 , 郭放 , 张亮 , 殷毅 , 周正 , 宋景博 , 李凯 , 闫向阳 , 康祎龙 , 夏晟 , 李奇
IPC: H02J3/24 , H02J3/38 , G06Q50/06 , G06F18/10 , G06F18/214 , G06N3/084 , G06Q10/067
Abstract: 本发明公开了一种电力系统转动惯量实时监测方法及系统,电力系统转动惯量实时监测方法包括以下步骤:获取电网运行数据,提取电力系统转动惯量的数据以及电力系统转动惯量影响因子的数据;对提取的电力系统转动惯量的数据以及电力系统转动惯量影响因子的数据进行预处理,得到样本数据;建立转动惯量监测模型,并使用预处理后得到的样本数据对所述转动惯量监测模型进行训练,得到训练后的转动惯量监测模型;利用训练后的转动惯量监测模型对电力系统的转动惯量进行实时监测。通过实时监测模型实时监测电力系统的转动惯量有助于为电力系统的调度和运行提供决策依据,及时调整运行策略,协助提高电力系统的转动惯量,确保电力系统的安全性和稳定性。
-
公开(公告)号:CN115035074A
公开(公告)日:2022-09-09
申请号:CN202210691802.6
申请日:2022-06-17
Applicant: 重庆大学
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于全局空间感知网络的宫颈上皮组织病理图像识别方法,S1构建NSSD数据集,S2构建全局空间感知网络GSAN,并使用NSSD数据集对GSAN进行训练,得到最优全局空间感知网络,S3对于一个待预测的宫颈上皮组织病理RGB原图采用S1中的方法处理得到待预测样本,将该待预测样本输入最优全局空间感知网络,最优全局空间感知网络的输出即为预测结果。本发明利用CNN的高效性与局部信息学习能力,将SAA与ConvLayer交替堆叠,最终构建出了全局空间感知网络GSAN,GSAN结合了CNN与Transformer的优势,实现了更加准确的病理图像识别效果。
-
公开(公告)号:CN105136944B
公开(公告)日:2017-08-04
申请号:CN201510565364.9
申请日:2015-09-08
Applicant: 重庆大学
Abstract: 本发明公开了一种厌氧氨氧化菌中完整梯烷脂的超声提取方法。完整梯烷脂是存在于厌氧氨氧化菌胞内厌氧氨氧化体膜上的一种特殊磷脂。已有研究表明以完整梯烷脂为研究对象,可为厌氧氨氧化的研究提供新思路及新的支撑信息,具有较高的生态和生理学研究意义。本方法的操作流程为:取样→冷冻干燥→加入提取液→超声提取→调整提取液组分比例→离心分液→氮吹浓缩。经高效液相串联质谱分析,证明该方法效果良好,提取纯度高。
-
公开(公告)号:CN105136944A
公开(公告)日:2015-12-09
申请号:CN201510565364.9
申请日:2015-09-08
Applicant: 重庆大学
Abstract: 本发明公开了一种厌氧氨氧化菌中完整梯烷脂的超声提取方法。完整梯烷脂是存在于厌氧氨氧化菌胞内厌氧氨氧化体膜上的一种特殊磷脂。已有研究表明以完整梯烷脂为研究对象,可为厌氧氨氧化的研究提供新思路及新的支撑信息,具有较高的生态和生理学研究意义。本方法的操作流程为:取样→冷冻干燥→加入提取液→超声提取→调整提取液组分比例→离心分液→氮吹浓缩。经高效液相串联质谱分析,证明该方法效果良好,提取纯度高。
-
公开(公告)号:CN115035074B
公开(公告)日:2024-05-28
申请号:CN202210691802.6
申请日:2022-06-17
Applicant: 重庆大学
IPC: G06T7/00 , G06T7/12 , G06V10/26 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于全局空间感知网络的宫颈上皮组织病理图像识别方法,S1构建NSSD数据集,S2构建全局空间感知网络GSAN,并使用NSSD数据集对GSAN进行训练,得到最优全局空间感知网络,S3对于一个待预测的宫颈上皮组织病理RGB原图采用S1中的方法处理得到待预测样本,将该待预测样本输入最优全局空间感知网络,最优全局空间感知网络的输出即为预测结果。本发明利用CNN的高效性与局部信息学习能力,将SAA与ConvLayer交替堆叠,最终构建出了全局空间感知网络GSAN,GSAN结合了CNN与Transformer的优势,实现了更加准确的病理图像识别效果。
-
公开(公告)号:CN117611465A
公开(公告)日:2024-02-27
申请号:CN202311618044.6
申请日:2023-11-30
Applicant: 重庆大学
Abstract: 本发明涉及一种拉普拉斯三层循环高清图像增强方法,首先(感觉表述有问题)提出了一个多目标分层学习的深度神经网络模型LPTCGAN,以端到端的方式训练,来生成色彩和谐,结构清晰、细节细腻的高清人像图像。首先采用拉普拉斯金字塔对输入的图像进行分解,分离出三个尺寸依次减半的高频残差和一个包含色彩信息的低通分量。对于高频残差和低通分量使用不同的网络进行转化,采用不同的损失函数和循环的方式进行多目标信息的学习和融合,并连接高频分量进行补偿。采用GAN结构用于进一步增强生成器生成能力。与传统的方法相比,实验结果表明,的方法能够获得更高质量的高清人像图像。
-
-
-
-
-
-
-
-
-