-
公开(公告)号：CN118917857A
公开(公告)日：2024-11-08
申请号：CN202410897864.1
申请日：2024-07-05
Applicant: 北京工业大学 , 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所)
IPC: G06Q30/018 , G06Q50/26 , G06N5/04 , G06N7/01
Abstract: 本发明涉及一种面向水质污染溯源的方法，特别是涉及一种基于机理模型，贝叶斯推理和马尔可夫链蒙特卡罗算法(Markov Chain Monte Carlo,MCMC)的水体污染物溯源方法。首先，设计基于水质污染物的对流扩散模型。其次，将污染物的对流扩散模型结合贝叶斯推理框架，获得基于实验数据的排污源待反演参数的后验分布。最后，针对贝叶斯推理中后验分布概率函数参数维度高、连续性可微性差、计算极其复杂的问题，使用MCMC概率分布抽样方法实现高维复杂概率分布抽样的简化。该方法可实现在缺乏先验知识的情况下大幅度缩小排污参数的取值范围，最终给出排污参数的参数总结。
-
公开(公告)号：CN115865410B
公开(公告)日：2024-07-30
申请号：CN202211354317.6
申请日：2022-11-01
IPC: H04L9/40 , G06F18/24 , G06N3/006 , G06N3/126 , G06N3/0442 , G06N3/0455 , G06N3/086
Abstract: 本发明涉及一种网络攻击检测的方法，特别是涉及一种基于堆叠稀疏收缩自动编码器(StackedSparseContractiveAutoencoders，SSCA)、模拟退火遗传粒子群优化(GeneticSimulated‑annealing‑basedParticleSwarmOptimization，GSPSO)、引入注意力机制的双向长短时记忆网络(Attention‑based BidirectionalLong‑termandShort‑termMemory，AB‑LSTM)分类器以及决策融合的网络入侵检测方法。首先，将获取到网络流量数据进行归一化处理，而后将其传入SSCA中，对该流量数据进行特征提取，使用GSPSO算法对SSCA的超参数进行优化以提取到更有效的N个特征集，然后将获得的N个特征集传入N个AB‑LSTM分类器中输出N个分类结果，最后利用决策融合算法，将N个分类器的分类结果融合，输出最终的准确分类结果。
-
公开(公告)号：CN117858127A
公开(公告)日：2024-04-09
申请号：CN202410049209.0
申请日：2024-01-12
Applicant: 北京工业大学
IPC: H04W24/02
Abstract: 本发明涉及一种在云边协同的计算卸载问题中解决资源分配以达到系统总花费最低的方法。首先，构建了云辅助移动边缘计算系统，该系统包括多个智能移动设备(Smart Mobile Devices,SMDs)，多个小基站(Small Base Stations,SBSs)和一个云计算中心(Cloud Data Center,CDC)。此外提出了一个两阶段优化方法名为基于莱维飞行和模拟退火的灰狼优化策略(Lévy flights and Simulated Annealing‑based Grey wolfoptimizer,LSAG)，该策略同时优化了边缘节点的选择与系统总能耗。
-
公开(公告)号：CN115694985A
公开(公告)日：2023-02-03
申请号：CN202211344093.0
申请日：2022-10-31
Applicant: 北京工业大学
IPC: H04L9/40 , H04L41/147 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/049 , G06N3/09
Abstract: 本发明涉及一种基于时间卷积网络和多头注意力机制的网络攻击预测方法，特别是一种基于结合时间卷积神经网络(Temporal Convolutional Network,TCN)，多头注意力机制(Multi‑head SelfAttention)和双向门控循环神经网络(Bi‑direction Gated Recurrent Unit，Bi‑GRU)的混合网络攻击预测方法TMB。首先，对原始数据采用Savitzky‑Golay滤波器去除噪声。其次，将数据使用归一化操作，并通过滑动窗口将归一化后的数据转化为有监督数据。再次，搭建混合网络攻击模型TMB，该模型由TCN，多头注意力机制和Bi‑GRU组成。通过模型对网络攻击数据的迭代训练，最终得到预测模型。最后，利用该模型预测未来的网络攻击数量，最终获取准确度较高的网络攻击预测结果。
-
公开(公告)号：CN115689013A
公开(公告)日：2023-02-03
申请号：CN202211344069.7
申请日：2022-10-31
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/06 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种面向多监测断面水质指标时空预测方法，特别涉及一种基于SG(SavitzkyGolay)滤波与图注意力波网(GraphAttentionWaveNet,GATWNet)的多监测断面水质指标预测方法。首先，将获取到的多个监测站点的水质指标历史数据依照时间序列进行排序，并对该水质历史数据采用SG滤波进行平滑预处理，在此基础上按照水质监测站点的上下游关系构建有向图。其次，对水质数据进行归一化处理，将水质时间序列数据按照预设的滑动窗口大小划分为多个子序列作为特征序列，即转为有监督的数据，并与有向图同时输入到基于图注意力网络(GraphAttentionNetwork,GAT)和波网(WaveNet)构成的GATWNet模型，进而预测未来多断面、多时间步的水质指标值，最终获取精准度较高的水质指标预测结果。
-
Patent Agency Ranking
公开(公告)号：CN108173686A
公开(公告)日：2018-06-15
申请号：CN201711433349.4
申请日：2017-12-26
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于ARIMA和小波变换的云数据中心请求流预测方法，包括：获取到云数据中心请求流到访数据集后，得到一条请求流时间序列；利用Savitzky‑Golay算法对请求流时间序列进行平滑操作；对平滑序列进行ADF平稳性检验；使用小波分解对平稳的差分请求流时间序列进行处理，得到原始序列的细节和趋势两种特征序列；对获得的两部分特征序列分别进行ARIMA建模，得到两部分特征的预测模型，继而可以得到两条包含下一时刻特征的新序列；使用小波还原处理两条新的信息序列，最终可以得到下一时刻到达云数据中心的请求流数量。本发明可以提高云数据中心节点运行效率，并且确保云数据中心供应商的利润最大化。
-
公开(公告)号：CN119474077A
公开(公告)日：2025-02-18
申请号：CN202510052583.0
申请日：2025-01-14
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F16/27 , G06F18/2411 , G06F18/2431 , G06Q50/26
Abstract: 本发明公开了一种基于智慧物联的多源水环境数据处理方法与系统，涉及数据处理技术领域，包括：将获取的多源异构水环境监测数据进行标准化处理，获得标准化处理后的数据，进行多尺度分解，获得低维数据；对低维数据采用分布式存储架构，将数据分散存储在若干节点上，建立数据索引和元数据管理机制，进行数据检索与访问；针对所述低维数据，采用流数据处理方法进行清洗、聚合和分析，提取关键指标和事件，通过设定水质参数阈值和变化率阈值，结合决策树方法构建水质异常预警规则，判断是否存在水质异常；通过支持向量机和随机森林机器学习方法，构建水质预测模型，预测水质趋势。本发明为水环境监测和管理提供了有力的技术支持。
-
公开(公告)号：CN118941900A
公开(公告)日：2024-11-12
申请号：CN202410897865.6
申请日：2024-07-05
Applicant: 北京工业大学 , 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所)
IPC: G06V10/80 , G06V10/82 , G06V20/13 , G06N3/0464 , G06N3/0455 , G06N3/08 , G06Q10/0639 , G06Q50/26
Abstract: 本发明涉及一种基于多模态数据融合的水质指标预测的方法，特别是涉及一种基于瓶颈注意模块(Bottleneck Attention Module,BAM)、低秩多模态融合(Low‑rank Multimodal Fusion,LMF)、注意力机制、卷积神经网络、倒置Transformer(Inverted Transformer,ITransformer)模型的水质指标预测方法。首先，分别从获取的遥感图像数据和水质指标历史数据中提取图像和水质特征序列。然后，基于BAM和LMF将图像和水质特征进行融合，获取多模态融合特征。最后，将多模态融合特征输入ITransformer模型，预测未来长期的水质指标值，最终获取精准度较高的水质指标预测结果。
-
公开(公告)号：CN118427778A
公开(公告)日：2024-08-02
申请号：CN202410497031.6
申请日：2024-04-24
Applicant: 北京工业大学
IPC: G06F18/27 , G06F18/10 , G06F18/213 , G06F18/2131 , G06Q10/04 , G06Q50/26 , G06N3/0455 , G06N3/0464 , G06N3/08 , G01N33/18 , G06F123/02
Abstract: 本发明涉及一种面向水质指标预测的方法，特别是涉及一种基于SG(Savitzky Golay)滤波、多周期季节性分解(Seasonal‑trend Decomposition using Loess for Multiple Seasonal Components,MSTL)、频域增强块(Frequency‑Enhanced Block,FEB)和频域增强注意力机制(Frequency‑Enhanced Attention,FEA)的水质指标预测方法SMF2。首先，将获取到的水质指标历史数据依照时间序列进行排序，使用插值法调整异常数据，并采用SG滤波平滑预处理，将水质时间序列数据通过MSTL分解算法按照多周期性预设的滑动窗口大小划分为多个周期分量、趋势分量、残差分量。输入基于频域增强块FEB和频域增强注意力机制FEA的预测模型SMF2，通过时域频域相互转换、特征提取和频域低秩性近似变换等算法操作，可实现对水质指标值基于单要素和多要素的短期与长期预测任务，最终获取精准度较高的水质指标预测结果。
-
公开(公告)号：CN114363195B
公开(公告)日：2024-06-07
申请号：CN202210026617.5
申请日：2022-01-11
Applicant: 北京工业大学
IPC: H04L41/147 , H04L41/16 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种面向时间和频谱残差卷积网络的网络流量预测预警方法。首先，提取出西班牙维基百科网站一年的流量时序数据，并对该历史数据作对数处理，使用Savitzky‑Golay滤波器进行平滑去噪。其次，对数据进行归一化操作，并采用滑动窗口将归一化后的数据转换成有监督数据。再次，构建集成网络流量预测模型T‑LSTM，通过对网络流量数据的迭代训练，优化模型参数，进而得到预测模型，并获取精度较高的网络流量预测结果。在此基础上，将预测结果通过频谱残差变换成显著性图并向其人工注入点，该点被标记为异常，其它点则标记为正常。最后，用卷积神经网络对新生成的合成数据进行建模，学习判别规则进而实现预警功能。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.029 seconds)
