-
公开(公告)号：CN116883711A
公开(公告)日：2023-10-13
申请号：CN202310347825.X
申请日：2023-04-03
Applicant: 中国科学院地理科学与资源研究所 , 中国地质环境监测院(自然资源部地质灾害技术指导中心) , 中国矿业大学(北京)
IPC: G06V10/764 , G06N20/00 , G06F16/29
Abstract: 本公开提供了一种样本生成方法，涉及矿井利用技术领域，尤其涉及机器学习、人工智能等技术领域。该样本生成方法包括：针对任意一个废弃矿井，根据与废弃矿井相关的空间信息、自然环境要素信息和社会经济要素信息，确定空间要素信息；根据空间要素信息，确定针对每一个废弃矿井的标签；以及针对任意一个废弃矿井，根据标签，生成样本。本公开还提供了一种机器学习模型的训练方法，基于多源地理数据的废弃矿井再利用智能分类方法、装置、电子设备和存储介质。
-
公开(公告)号：CN116883711B
公开(公告)日：2024-08-27
申请号：CN202310347825.X
申请日：2023-04-03
Applicant: 中国科学院地理科学与资源研究所 , 中国地质环境监测院(自然资源部地质灾害技术指导中心) , 中国矿业大学(北京)
IPC: G06V10/764 , G06N20/00 , G06F16/29
Abstract: 本公开提供了一种样本生成方法，涉及矿井利用技术领域，尤其涉及机器学习、人工智能等技术领域。该样本生成方法包括：针对任意一个废弃矿井，根据与废弃矿井相关的空间信息、自然环境要素信息和社会经济要素信息，确定空间要素信息；根据空间要素信息，确定针对每一个废弃矿井的标签；以及针对任意一个废弃矿井，根据标签，生成样本。本公开还提供了一种机器学习模型的训练方法，基于多源地理数据的废弃矿井再利用智能分类方法、装置、电子设备和存储介质。
-
公开(公告)号：CN117081115A
公开(公告)日：2023-11-17
申请号：CN202310919075.9
申请日：2023-07-25
Applicant: 中国科学院地理科学与资源研究所 , 中国矿业大学(北京)
Abstract: 本发明提供了一种废弃矿井光伏抽水蓄能电站的储能配置确定方法和装置。该废弃矿井光伏抽水蓄能电站的储能配置确定方法包括：对光伏发电功率数据进行光伏数据处理，得到目标光伏发电功率序列；利用小波算法对光伏发电功率数据进行分解，得到分解后的光伏发电时间功率数据；对小波基函数和分解层数进行选择优化处理，确定目标小波基函数和与目标基函数对应的变化结果；根据目标光伏发电系统并网功率和光伏发电功率数据，确定抽水蓄能电站的发电功率时间序列和目标抽水蓄能调节功率；以及根据抽水蓄能电站的发电功率时间序列和目标抽水蓄能调节功率，确定废弃矿井光伏抽水蓄能电站的储能配置。
-
公开(公告)号：CN119323723A
公开(公告)日：2025-01-17
申请号：CN202411174258.3
申请日：2024-08-26
Applicant: 中国科学院地理科学与资源研究所
IPC: G06V20/10 , G06V10/24 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种矿山地质灾害检测方法、装置、设备、介质及程序产品，应用于地质检测技术领域和计算机技术领域。该方法包括：实时获取待检测目标区域的第一遥感影像和第二遥感影像，其中，第一遥感影像和第二遥感影像为同一地点不同时间的影像；利用深度学习模型的第一网络结构对第一遥感影像进行特征提取，得到第一影像特征；利用深度学习模型的第二网络结构对第二遥感影像进行特征提取，得到第二影像特征；利用深度学习模型的第三网络结构对第一影像特征和第二影像特征进行特征融合，得到第三影像特征；利用深度学习模型的第四网络结构对第三影像特征进行地质灾害检测，得到待检测目标区域的地质灾害检测结果。
-
公开(公告)号：CN117743983A
公开(公告)日：2024-03-22
申请号：CN202311807587.2
申请日：2023-12-26
Applicant: 中国科学院地理科学与资源研究所
IPC: G06F18/243 , G06F18/2415 , G06F18/214 , G06N5/01
Abstract: 本发明实施例公开了一种基于改进贝叶斯加性回归树的冲突事件数据处理方法，包括：获取目标区域内影响冲突风险的多个指标，并将所述多个指标分成冲突事件的易发性指标、暴露度指标和脆弱性指标；以所述目标区域内的地理网格为单位提取各指标的数据，并利用各易发性指标的数据构建易发性样本；利用易发性样本集对改进的贝叶斯加性回归树模型进行训练，通过训练好的模型预测所述目标区域未来的冲突事件易发性分布；利用各暴露度和脆弱度指标的数据集成多个多准则决策模型，评估所述目标区域的暴露度和脆弱度分布；根据所述易发性分布、暴露度分布和脆弱性分布，生成所述目标区域未来的冲突风险分布图。本实施例能够给出合理的区域风险分布图。
-
Patent Agency Ranking
公开(公告)号：CN117423476A
公开(公告)日：2024-01-19
申请号：CN202311734550.1
申请日：2023-12-18
Applicant: 中国科学院地理科学与资源研究所
IPC: G16H50/80 , G06F18/213 , G06F18/20 , G06F18/23213 , G06N7/01 , G06F16/29
Abstract: 本发明实施例公开了一种基于降尺度和贝叶斯模型的包虫病流行率预测方法，包括：获取区域尺度的包虫病流行率数据，包括牲畜患包虫病的流行率数据和犬类患包虫病的流行率数据；以牲畜密度或人口密度为抽取概率，在各区域内抽取公里尺度的多个栅格，并对所述多个栅格进行空间聚类，得到代表各区域患病泛化情况的多个聚类中心；将各区域的包虫病流行率赋值给区域内各聚类中心，得到点级尺度的包虫病流行率数据；利用所述点级尺度的包虫病流行率数据，训练贝叶斯时空高斯过程模型，并生成牲畜患包虫病流行率的空间分布预测图和犬类患包虫病流行率的空间分布预测图。本实施例实现公里尺度的精细预测。
-
公开(公告)号：CN117375924A
公开(公告)日：2024-01-09
申请号：CN202311338871.X
申请日：2023-10-16
Applicant: 北京工商大学 , 中国科学院地理科学与资源研究所
IPC: H04L9/40 , G06N3/0455 , G06N3/0464 , G06N3/09 , G06F18/213 , G06F18/2415 , G06F18/2431
Abstract: 本发明公布了一种基于改进Swin‑Transformer模型的网络攻击识别方法，构建基于改进Swin‑Transformer的网络攻击识别模型；首先通过网络攻击识别模型的卷积特征提取模块进行网络数据特征提取；然后经过网络攻击识别模型的Swin‑Trans模块的多头注意力机制进一步挖掘得到网络特征信息；最后将提取到的网络特征信息输入网络攻击识别模型尾部的全连接Softmax分类网络进行网络攻击识别。采用本发明方法，在整体上增强模型泛化能力、减小模型对数据量的依赖，且能够有效从特征图全局提取信息，更好地提取图像特征，实现识别准确率的提升。
-
公开(公告)号：CN114154428B
公开(公告)日：2022-09-23
申请号：CN202210119592.3
申请日：2022-02-09
Applicant: 中国科学院地理科学与资源研究所
IPC: G06F30/27 , G06Q10/06 , G06Q50/26 , G06N20/00 , G06F111/08
Abstract: 本发明是关于一种目标物种潜在入侵风险评估方法及装置，其中，方法包括：获取目标物种的分布记录数据和多维时空数据；根据所述分布记录数据和多维时空数据，使用最大熵模型生成伪缺失概率分布数据，并从所述伪缺失概率分布数据中随机筛选出与所述分布记录数据等量的伪缺失样本数据；根据所述伪缺失样本数据、所述分布记录数据和多维时空数据，构建并训练得到一个基于多个增强回归树模型的机器学习集成模型；通过所述机器学习集成模型，确定驱动所述目标物种入侵风险的关键影响因素，确定所述目标物种的入侵概率，评估潜在入侵风险区分布和量化评估的不确定性。
-
公开(公告)号：CN114520058A
公开(公告)日：2022-05-20
申请号：CN202210150342.6
申请日：2022-02-18
Applicant: 中国科学院地理科学与资源研究所
IPC: G16H50/80
Abstract: 本发明是关于一种虫媒传染病的传播风险预测方法及装置，其中，方法包括：获取全国范围内虫媒传染病的历史病例数据和与其匹配的当地气候环境数据；将所述历史病例数据作为因变量，当地气候环境数据作为自变量，基于广义可加性混合模型进行建模分析，并验证不同策略下的模型精度，得到最佳拟合模型；获取预测的未来预设时间的气象数据；根据所述未来预设时间的气象数据和所述最佳拟合模型，结合不同气候变化情景，预测未来预设时间的虫媒传染病的时空分布。
-
公开(公告)号：CN112887285B
公开(公告)日：2022-03-11
申请号：CN202110052576.2
申请日：2021-01-15
Applicant: 中国科学院地理科学与资源研究所
IPC: H04L9/40
Abstract: 本发明提供了一种跨空间图层映射的网络行为智能画像分析方法。该方法包括基于网络攻击行为事理的图层映射与图层构建；利用图层不断切换为用户、专家呈现不同的图谱展示视角，采用自动数据抽取与人工标准相结合的形式实现网络行为信息抽取；基于知识图谱的图层要素表示技术对抽取焦点数据进行融合、推理、补全，进行网络攻击行为的分析与画像。该方法采用网络空间地理图谱图层叠加方式，通过图层切换和可视化表达进行网络行为的智能画像与可视化推演分析，基于各类网络攻击行为在跨物理空间、网络空间、社会空间不同要素图层叠加形成的综合知识图谱对网络攻击行为关系图谱进行分析，实现对网络攻击行为的智能画像与关系分析。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.08 seconds)
