公开(公告)号：CN119250061A

公开(公告)日：2025-01-03

申请号：CN202411282936.8

申请日：2024-09-13

Applicant: 北京工业大学

Inventor： 毕敬 ,  乌日娜 ,  王梓奇 ,  林永泽

IPC: G06F40/211 ,  G06F16/951 ,  G06F16/957 ,  G06F18/241 ,  G06F18/214 ,  G06F40/30 ,  G06N5/04

Abstract: 本发明设计一种基于本体映射的开放性生产控制和统一架构(Object Linking and Embedding for Process Control Unified Architecture,OPC UA)中设备信息的查询推理方法。首先，将OPC UA服务器的信息模型提取为资源描述框架三元组，而后使用网页本体语言对数据的含义进行补充，之后建立OPC UA设备本体语义映射的模型。在此基础上，使用事件类本体映射的语义相似度计算方法来对各种数据对象进行合并和分类。最后，将设备信息的资源描述语言输入到Apache Jena引擎的自动推理机中进行查询。这种信息查询模型可以识别设备及其组件之间的关系以及设备事件中的异常情况并进行处理。

公开(公告)号：CN119251014A

公开(公告)日：2025-01-03

申请号：CN202411282955.0

申请日：2024-09-13

Applicant: 北京工业大学

Inventor： 毕敬 ,  袁明兴 ,  王梓奇 ,  林永泽

IPC: G06Q50/06 ,  G06Q50/26 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/08 ,  G06F18/213 ,  G06F17/18

Abstract: 本发明涉及一种面向水污染事件的溯源分析方法，特别是涉及一种基于改进的注意力模块、改进的变分自编码器、异构图注意力神经网络模型结合的水质污染物溯源方法。该方法首先利用改进的注意力模块提取水污染特征之间的相关性，接着将数据输入改进的变分自编码器进行重建时序分布，判断是否为水污染事件。而后对污染源和水质监测断面的空间和时序依赖构建异构时空图，最后对异常的上游水质监测断面及周围的污染物进行溯源，确定污染源的位置。

公开(公告)号：CN117874618A

公开(公告)日：2024-04-12

申请号：CN202410049205.2

申请日：2024-01-12

Applicant: 北京工业大学

Inventor： 毕敬 ,  林永泽 ,  袁溟 ,  乔俊飞

IPC: G06F18/241 ,  G06F18/15 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及一种面向水质时空依赖性预测的方法，特别是一种基于注意力机制和图卷积神经网络的水质指标预测方法。首先，将获取到的水质历史数据依照时间序列进行排序，并对其进行归一化处理。其次，采用时间注意力机制来为水质数据在所有时间步骤上的相关输入分配权重，使用嵌入时间和空间特征的矩阵对得到时间注意力机制处理后的数据进一步处理。然后使用可学习的权重矩阵和节点间的邻接关系来创建邻接矩阵，将处理后的数据和邻接矩阵输入到图卷积神经网络中进行训练，预测未来多个时间点的水质指标值，最终获取精准度较高的水质指标预测结果。

公开(公告)号：CN119249079A

公开(公告)日：2025-01-03

申请号：CN202411282952.7

申请日：2024-09-13

Applicant: 北京工业大学

Inventor： 毕敬 ,  袁溟 ,  王梓奇 ,  林永泽

IPC: G06F18/15 ,  G06F18/10 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提出一种结合Patch Savitsky‑Golay滤波和Transformer的水质指标预测模型。首先，利用滑动窗口技术将水质时间序列划分为多个子序列，以捕捉序列内在趋势和语义信息。基于此，通过Savitsky‑Golay滤波器对子序列进行去噪，进而提高信号‑噪声比，以确保水质序列数据的质量。最后，引入Transformer模块，利用其自注意力机制处理时间序列的非线性特性，从而增强模型对序列长期依赖关系的捕捉能力。以上策略有效提升水质指标预测的精度和可靠性。

公开(公告)号：CN110852515B

公开(公告)日：2022-05-06

申请号：CN201911116695.9

申请日：2019-11-15

Applicant: 北京工业大学

Inventor： 林永泽 ,  董泉汐 ,  毕敬

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于混合长短时记忆神经网络的水质指标预测方法，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，并对该水质历史数据采用SG滤波平滑预处理。然后，再进行水质数据的归一化处理，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，也就是转为有监督的数据后，输入基于编码‑解码器的长短时记忆ED‑LSTM神经网络模型，预测未来多个时间点的水质指标值，最终获取精准度较高的水质指标预测结果。

公开(公告)号：CN110852515A

公开(公告)日：2020-02-28

申请号：CN201911116695.9

申请日：2019-11-15

Applicant: 北京工业大学

Inventor： 林永泽 ,  董泉汐 ,  毕敬

IPC: G06Q10/04 ,  G06Q10/06 ,  G06Q50/06 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于混合长短时记忆神经网络的水质指标预测方法，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，并对该水质历史数据采用SG滤波平滑预处理。然后，再进行水质数据的归一化处理，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，也就是转为有监督的数据后，输入基于编码-解码器的长短时记忆ED-LSTM神经网络模型，预测未来多个时间点的水质指标值，最终获取精准度较高的水质指标预测结果。