-
公开(公告)号：CN119557849A
公开(公告)日：2025-03-04
申请号：CN202411610574.0
申请日：2024-11-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/27 , G06F18/15 , G06N3/0442 , G06N3/045 , G01W1/10 , G01W1/02 , G06F123/02
Abstract: 本发明涉及气象温度预测方法、系统、存储介质及设备，获取历史温度数据和影响温度变化的气象数据并预处理；预处理后的数据分别利用正向和反向的LSTM网络处理，得到时间序列的前向和后向隐藏状态序列，经拼接或逐元素加和得到双向隐藏状态序列；通过权重矩阵，将双向隐藏状态映射到注意力得分，经归一化处理得到每个时间步的注意力权重，并利用得到的注意力权重对双向隐藏状态序列加权求和，利用得到的上下文向量经全连接层处理，生成温度预测值。结合了双向LSTM和注意力机制，不仅增强了模型对复杂温度时间序列数据的处理能力，而且提高了预测的准确性和鲁棒性，从而应对传统方法的不足。
-
公开(公告)号：CN119809381A
公开(公告)日：2025-04-11
申请号：CN202411871466.9
申请日：2024-12-18
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06Q10/0637 , G06Q50/26 , G06F18/214 , G06F18/2415
Abstract: 本发明提供了一种基于深度学习及偏差纠正的短期降水预测方法及系统，包括：获取预设区域内降水情况历史数据；基于所述历史数据，利用预先训练的基于深度学习的短期降水预测模型，获得未来预设阶段的初始降水预测结果；基于所述初始降水预测结果，结合预先计算的预测偏差，获得短期降水预测结果。
-
公开(公告)号：CN116913413A
公开(公告)日：2023-10-20
申请号：CN202311166774.7
申请日：2023-09-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G16C20/30 , G16C20/70 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本公开提供了基于多因子驱动的臭氧浓度预测方法、系统、介质及设备，涉及臭氧浓度预测技术领域，包括获取大气数据中的多个大气污染物数据因子的张量形式；将所述张量形式输入至多通道Earthformer模型中，输出表征臭氧浓度的变量；其中，当将数据因子的张量形式输入至多通道Earthformer模型后，首先，分层编码器将输入的张量形式逐步编码为多层表示，在每一层表示中引入注意力机制，通过并行应用注意力机制获取数据因子张量形式的局部特征向量，然后再将每个局部特征向量融合生成全局特征向量，利用特征向量以非自动回归的方式生成臭氧浓度预测结果。本公开提高了臭氧浓度预测的准确性。
-
公开(公告)号：CN119903476A
公开(公告)日：2025-04-29
申请号：CN202411989902.2
申请日：2024-12-31
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06F18/25 , G06F18/213 , G06N3/0442 , G06N3/08
Abstract: 本发明提出基于时序生成式模型的有效波高的时空预测方法及系统，对目标预测时间对应的目标区域的历史ERA5再分析数据进行编码降维，生成离散变量，有效地降低了数据的维度，同时保留了关键信息；将生成的离散变量和对应的目标区域的历史ERA5再分析数据共同输入至DALSTM模型中，能够综合利用离散变量和初始数据，实现对海浪特征的深入提取和融合，提高后续有效波高预测的准确性和效率。
-
公开(公告)号：CN117744712A
公开(公告)日：2024-03-22
申请号：CN202410182580.4
申请日：2024-02-19
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06N3/0455 , G06N3/0499 , G06Q30/018 , G06Q50/26 , G06F18/211
Abstract: 本发明涉及大气环境技术领域，提供了一种基于多要素驱动的臭氧前体物溯源方法及系统。该方法包括，获取大气污染物、气象数据和源排放数据；基于大气污染物、气象数据和源排放数据，采用IEformer模型，在嵌入层将每个变量的整个时间序列独立嵌入一个第一时空张量；基于第一时空张量，在长方体注意力层进行分解，得到若干小长方体；在每个小长方体中并行应用长方体级自注意力后，将所有小长方体进行合并，得到第二时空张量；对第二时空张量进行处理，得到臭氧前体物溯源结果。
-
Patent Agency Ranking
公开(公告)号：CN116449462A
公开(公告)日：2023-07-18
申请号：CN202310720313.3
申请日：2023-06-19
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G01W1/10 , G01C13/00 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及海浪预报技术领域，本发明公开了海浪有效波高时空序列预测方法、系统、存储介质及设备，包括：获取初始时刻到当前时刻的海浪有效波高和第二时刻到第一未来时刻的多要素数据；将初始时刻到当前时刻的海浪有效波高和第二时刻到第一未来时刻的多要素数据作为输入数据序列，采用预测递归神经网络，预测得到第一未来时刻的海浪有效波高数据；基于第一未来时刻的海浪有效波高数据和第二未来时刻到目标未来时刻的多要素数据，通过基于递归策略的单步预测，并采用预测递归神经网络，得到第二未来时刻到目标未来时刻的海浪有效波高数据。稳定了预测误差，有效提升了海浪有效波高预测精度，延长了有效预测预报时间。
-
公开(公告)号：CN111710365B
公开(公告)日：2022-04-08
申请号：CN202010525374.0
申请日：2020-06-10
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G16B40/00 , G06F40/247 , G06F16/36
Abstract: 本发明基于本体的蛋白质/基因同义词表构建方法，包括：a).数据源Uniprot、BioGRID和NCBI Gene的获取；b).数据文件的分割；c).上层本体的建立；d).Uniprot‑Swissprot向上层本体的映射和融合；e).BioGRID向上层本体的映射和融合；f).NCBI Gene向上层本体的映射和融合；g).同义词的去重。本发明的蛋白质/基因同义词表构建方法，建立了同义词规模上更全面、准确度上更可靠、分类信息上更细致的蛋白质/基因同义词表，为进行更高效、准确的文献数据挖掘提供了前提保证，是生物医药专家进行科研发现的有力辅助。
-
公开(公告)号：CN112380345A
公开(公告)日：2021-02-19
申请号：CN202011313700.8
申请日：2020-11-20
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F16/35 , G06F16/36 , G06F40/232 , G06F40/258 , G06F40/284 , G06F40/289
Abstract: 本发明的基于GNN的COVID‑19科学文献细粒度分类方法，包括：a).COVID‑19科学文献知识图谱的构建；a‑1).知识类别的划分；a‑2).科学文献中实体设计；a‑3).科学文献中关系设计；a‑4).构建COVID‑19科学文献知识图谱；b).西药治疗知识图谱构建；c).中药治疗知识图谱构建；d).构建图神经网络模型；e).文本分类。本发明的基于GNN的COVID‑19科学文献细粒度分类方法，为医学工作者在海量的（通常大于1万篇）有关COVID‑19科学文献中快速查找到自己所需的知识类别文献，提供了一种行之有效的筛选和分类方法，有益效果显著，适于应用推广。
-
公开(公告)号：CN111710365A
公开(公告)日：2020-09-25
申请号：CN202010525374.0
申请日：2020-06-10
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G16B40/00 , G06F40/247 , G06F16/36
Abstract: 本发明基于本体的蛋白质/基因同义词表构建方法，包括：a).数据源Uniprot、BioGRID和NCBI Gene的获取；b).数据文件的分割；c).上层本体的建立；d).Uniprot-Swissprot向上层本体的映射和融合；e).BioGRID向上层本体的映射和融合；f).NCBI Gene向上层本体的映射和融合；g).同义词的去重。本发明的蛋白质/基因同义词表构建方法，建立了同义词规模上更全面、准确度上更可靠、分类信息上更细致的蛋白质/基因同义词表，为进行更高效、准确的文献数据挖掘提供了前提保证，是生物医药专家进行科研发现的有力辅助。
-
公开(公告)号：CN110767266A
公开(公告)日：2020-02-07
申请号：CN201911064826.3
申请日：2019-11-04
Applicant: 山东省计算中心(国家超级计算济南中心) , 青岛海洋科学与技术国家实验室发展中心
Abstract: 本发明的基于图卷积的面向ErbB靶向蛋白家族的打分函数构建方法，包括：a).构建ErbB靶向蛋白数据，对于ErbB包含的4个受体酪氨酸激酶ErbB-1、ErbB-2、ErbB-3和ErbB-4均构建靶向蛋白数据集；b).扩大数据集规模，采用原始构象、旋转构象、优化构象的方法扩大数据集规模；c).构建ErbB靶向蛋白家族机器学习打分函数模型；d).模型的训练和评估。本发明的打分函数构建方法，建了一个ErbB蛋白家族机器学习分子亲和力评估数据集，为ErbB蛋白家族的机器学习任务奠定了数据基础；通过GCN技术突破了经典打分函数的瓶颈，提高了打分函数的性能，解决了机器学习打分函数通用模型准确率低的问题。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.06 seconds)
