-
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：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：CN115857341B
公开(公告)日：2025-05-13
申请号：CN202211495313.X
申请日：2022-11-26
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 一种基于多任务约束的污水处理过程优化控制方法，属于污水处理领域。为了实现污水处理过程中多任务约束并行优化控制，本发明构建污水处理过程多任务约束优化模型，描述具有出水水质约束的脱氮任务和除磷任务优化目标，设计基于自适应罚函数的污水处理过程多任务粒子群优化设定方法，求解污水处理过程溶解氧、硝态氮、甲醇流量和聚合氯化铝流量优化设定值并设计多任务控制器完成优化设定值的跟踪控制，从而促进污水处理过程生物脱氮任务和生物除磷任务的并行约束优化。
-
公开(公告)号：CN119717523A
公开(公告)日：2025-03-28
申请号：CN202411860365.1
申请日：2024-12-17
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于概率与维度联合预测的污水处理过程动态多目标优化控制方法，涉及污水处理技术领域。包括：获取污水处理过程的过程数据，其中；根据基于支持向量回归的预测器和过程数据构建优化目标函数；利用基于概率与维度联合预测的动态多目标优化算法和快速精英多目标遗传算法对目标函数进行求解得到一组Pareto最优解；根据一组Pareto最优解确定第五分区溶解氧浓度和第二分区硝态氮浓度的优化设定值；利用PID控制器和第五分区溶解氧浓度和第二分区硝态氮浓度的优化设定值进行实际第五分区溶解氧浓度和第二分区硝态氮浓度值的跟踪控制。本发明解决了现有技术中对应污水处理控制精确度低下的问题。
-
公开(公告)号：CN119668092A
公开(公告)日：2025-03-21
申请号：CN202411809649.8
申请日：2024-12-10
Applicant: 北京工业大学
IPC: G05B13/02
Abstract: 本发明提供了一种基于相关熵的事件触发递归模糊神经网络多变量控制方法，该方法包括：获取污水处理过程数据；通过污水处理过程数据构建初始模糊神经网络；构建事件触发结构调整机制，并通过事件触发结构调整机制对初始模糊神经网络进行结构调整，得到优化模糊神经网络；通过相关熵对优化模糊神经网络进行参数更新，得到更新模糊神经网络；通过李雅普诺夫函数对更新模糊神经网络进行验证，得到递归模糊神经网络；通过递归模糊神经网络对污水处理过程进行变量控制。该方法通过递归模糊神经网络控制污水处理过程，解决了难以控制溶解氧和硝态氮的问题，提高了控制的精确度和效率。
-
Patent Agency Ranking
公开(公告)号：CN119578643A
公开(公告)日：2025-03-07
申请号：CN202411708222.9
申请日：2024-11-27
Applicant: 北京工业大学
Abstract: 一种基于注意力机制的多列神经网络出水总磷浓度多步预测方法，涉及人工智能领域，又直接应用于污水处理领域。本发明利用软测量方法对出水总磷浓度进行多步预测，解决了污水处理过程中出水总磷浓度趋势难以掌握、预测成本高等问题。针对传统多步预测中忽视目标变量与各辅助变量在预测任务中潜在重要性差异的问题，提出了一种基于注意力机制的输入重构机制，提高了预测模型的泛化性能；同时，针对传统多步预测任务划分中仅考虑单一误差评价指标的问题，提出了一种结合了预测误差和形状误差的损失函数用于模型训练，提高了模型的预测精度，促进了污水处理厂的管理运行。
-
公开(公告)号：CN119511732A
公开(公告)日：2025-02-25
申请号：CN202411675564.5
申请日：2024-11-21
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于自适应模糊终端滑模的城市污水处理过程控制方法，实现了溶解氧浓度和硝态氮浓度的准确控制。该方法设计了自适应预估模糊神经网络预测生化反应过程中溶解氧浓度和硝态氮浓度的动态变化，建立了基于预估误差的权值自适应更新机制以及基于终端滑模面的模糊终端滑模控制器，实现了对溶解氧浓度和硝态氮浓度的精准控制；通过设计自适应切换增益机制来降低抖振现象对系统稳定性的影响，解决城市污水处理过程中控制系统不稳定的问题。实验结果表明该方法能够实现溶解氧浓度和硝态氮浓度的准确控制，保证城市污水处理过程的平稳高效运行。
-
公开(公告)号：CN119478382A
公开(公告)日：2025-02-18
申请号：CN202510060165.6
申请日：2025-01-15
Applicant: 北京工业大学
IPC: G06V10/25 , G06V20/52 , G06V20/70 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/776 , G06V10/82 , G06V10/94 , G06N3/0464 , G06N3/045
Abstract: 本发明公开了一种火灾目标检测智能边缘计算方法，属于火灾目标检测技术领域，包括以下步骤：S1、制作火灾目标检测数据集；S2、形成改进后的YOLO‑AFPN‑LADH‑WIOU模型；S3、对上述改进后的YOLO‑AFPN‑LADH‑WIOU模型进行评价和横向对比，并对结果进行可视化分析；S4、基于步骤S3，实现基础模型在开发板上的远程部署；S5、利用TCP传输控制协议在边缘检测系统和客户监测端之间建立连接，从而进行交互；S6、实现图像采集和用户GUI显示。本发明采用上述的一种火灾目标检测智能边缘计算方法，提高了检测的精度、速度和广度，同时确保了实际中火灾监测及防护的实时性和准确性。
-
公开(公告)号：CN119444492A
公开(公告)日：2025-02-14
申请号：CN202411468339.4
申请日：2024-10-21
Applicant: 北京工业大学
Abstract: 本发明提供了一种基于多任务插值回声状态网络的电力消耗预测方法。涉及电力消耗预测技术领域，包括：获取待测污水数据；利用合成时间序列，根据所述待测污水数据得到待输入数据；将所述待输入数据输入到多任务插值回声状态网络模型中，得到电力消耗预测值，其中，所述电力消耗预测值为泵送能耗值和曝气能耗值，所述多任务插值回声状态网络的模型包括输入层、储备池和输出层。本发明解决了现有技术中针对污水处理过程的泵送能耗和曝气能耗难以实现精准高效预测的问题。
-
公开(公告)号：CN119443168A
公开(公告)日：2025-02-14
申请号：CN202410976773.7
申请日：2024-07-22
Applicant: 北京工业大学
IPC: G06N3/0499 , G06N3/084 , G06F18/23213
Abstract: 一种基于小世界神经网络的出水总磷浓度鲁棒软测量方法涉及人工智能领域，又直接应用于污水处理领域。本发明利用软测量方法预测出水总磷浓度，解决了污水处理过程中出水总磷测量操作复杂、成本高等问题，同时针对实际污水处理过程中不可避免地存在噪声和异常值的问题，本发明在规则的前馈神经网络中引入小世界属性，设计了一种结合了具有中心的混合相关熵和自适应Lasso惩罚的鲁棒损失函数用于模型训练，在结构和算法上同时提高了软测量模型的鲁棒性，降低了网络复杂度，提高了模型的预测精度，促进了污水处理厂的管理运行。
-
-
-
-
-
-
-
-
-
Search Results
567
records
(took 0.09 seconds)
