公开(公告)号：CN120012325A

公开(公告)日：2025-05-16

申请号：CN202510503019.6

申请日：2025-04-22

Applicant: 长沙理工大学

Inventor： 伍志元 ,  张学彪 ,  刘晓建 ,  蒋昌波 ,  陈杰 ,  邓斌 ,  高凯 ,  杨康

IPC: G06F30/17 ,  G06F30/23 ,  G06F30/28 ,  G06F113/06 ,  G06F113/08 ,  G06F119/14

Abstract: 本发明公开了一种基于耦合模拟的浮式风机系泊荷载计算方法及系统，方法包括：获取浮式风机实际参数，在Charm3D和OpenFAST中构建第一和第二仿真模型；采集真实海流数据并配置每个时间步长的海流数据；实时将海流数据输入两个仿真模型，将浮式风机整体动力学响应数据从第一仿真模型输入第二仿真模型得到浮式风机运动信息，将浮式风机运动信息从第二仿真模型输入第一仿真模型得到新的浮式风机整体动力学响应数据并再次输入第二仿真模型进行仿真，直到模拟周期结束；获取每个时刻的浮式风机整体动力学响应数据中的系泊荷载数据，得到浮式风机的系泊荷载的时域过程。本发明能够对远海真实海流情况下的浮式风机系泊荷载进行准确计算。

公开(公告)号：CN119047030B

公开(公告)日：2025-04-15

申请号：CN202411051122.3

申请日：2024-08-01

Applicant: 长沙理工大学

Inventor： 伍志元 ,  高凯 ,  蒋昌波 ,  尤再进 ,  季则舟 ,  陈杰 ,  邓斌 ,  王召伟 ,  杨康

IPC: G06F30/13 ,  G06F30/28 ,  G06F119/14 ,  G06F113/08 ,  G06F111/10

Abstract: 本发明公开了一种基于多源数据融合的桩基预警方法及系统，方法包括：根据现场观测的水深数据构建桩基码头预警区域三维地形并划分子区域；获取水深数据的现场观测数据、数值模型数据和遥感影像反演数据；在每个时间步均选取每个子区域的水深数据中最接近现场观测数据的数值模型数据或遥感影像反演数据后进行多源数据融合，然后根据多源数据融合的水深数据计算泥面高程数据并更新桩基码头预警区域三维地形；若泥面高程数据大于淤积泥面高程阈值，则进行预警并显示桩基码头预警区域三维地形。本发明可以通过多源数据融合的方式进行数据验证，提高数据使用效率、确保预警的可靠性与及时性、实现全天候、全区域、全时段桩基码头下方淤积预警。

公开(公告)号：CN119047030A

公开(公告)日：2024-11-29

申请号：CN202411051122.3

申请日：2024-08-01

Applicant: 长沙理工大学

Inventor： 伍志元 ,  高凯 ,  蒋昌波 ,  尤再进 ,  季则舟 ,  陈杰 ,  邓斌 ,  王召伟 ,  杨康

IPC: G06F30/13 ,  G06F30/28 ,  G06F119/14 ,  G06F113/08 ,  G06F111/10

Abstract: 本发明公开了一种基于多源数据融合的桩基预警方法及系统，方法包括：根据现场观测的水深数据构建桩基码头预警区域三维地形并划分子区域；获取水深数据的现场观测数据、数值模型数据和遥感影像反演数据；在每个时间步均选取每个子区域的水深数据中最接近现场观测数据的数值模型数据或遥感影像反演数据后进行多源数据融合，然后根据多源数据融合的水深数据计算泥面高程数据并更新桩基码头预警区域三维地形；若泥面高程数据大于淤积泥面高程阈值，则进行预警并显示桩基码头预警区域三维地形。本发明可以通过多源数据融合的方式进行数据验证，提高数据使用效率、确保预警的可靠性与及时性、实现全天候、全区域、全时段桩基码头下方淤积预警。

公开(公告)号：CN119293745B

公开(公告)日：2025-05-23

申请号：CN202411286543.4

申请日：2024-09-13

Applicant: 长沙理工大学

Inventor： 伍志元 ,  李名波 ,  蒋昌波 ,  刘晓建 ,  肖娴姿 ,  杨康 ,  高凯

IPC: G06F18/27 ,  G06F18/211 ,  G06F18/25 ,  G06N3/0464 ,  G01W1/10

Abstract: 本发明公开了一种基于数据驱动的近岸风浪预测方法及系统，方法包括：获取研究区域各气象数据变量的长时间序列数据的多源数据并预处理，选取目标变量与特征变量，将研究区域进行区域格点划分；将外海格点的特征变量作为参考序列，将内海或近岸格点的目标变量作为目标序列，分析参考序列与目标序列之间的时滞效应和空间传播模式；将分析结果作为先验知识引入深度学习模型，并训练深度学习模型得到台风预测模型；获取研究区域各气象数据变量的实时数据并预处理，将其中的特征变量输入台风预测模型，得到目标变量的预测结果。本发明综合考虑外海各变量对近岸海域信息的时滞效应和空间关系，实现多源数据的融合与集成，并进行高效、准确的实时预测。

公开(公告)号：CN119293745A

公开(公告)日：2025-01-10

申请号：CN202411286543.4

申请日：2024-09-13

Applicant: 长沙理工大学

Inventor： 伍志元 ,  李名波 ,  蒋昌波 ,  刘晓建 ,  肖娴姿 ,  杨康 ,  高凯

IPC: G06F18/27 ,  G06F18/211 ,  G06F18/25 ,  G06N3/0464 ,  G01W1/10

Abstract: 本发明公开了一种基于数据驱动的近岸风浪预测方法及系统，方法包括：获取研究区域各气象数据变量的长时间序列数据的多源数据并预处理，选取目标变量与特征变量，将研究区域进行区域格点划分；将外海格点的特征变量作为参考序列，将内海或近岸格点的目标变量作为目标序列，分析参考序列与目标序列之间的时滞效应和空间传播模式；将分析结果作为先验知识引入深度学习模型，并训练深度学习模型得到台风预测模型；获取研究区域各气象数据变量的实时数据并预处理，将其中的特征变量输入台风预测模型，得到目标变量的预测结果。本发明综合考虑外海各变量对近岸海域信息的时滞效应和空间关系，实现多源数据的融合与集成，并进行高效、准确的实时预测。