-
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：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
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：CN118427748A
公开(公告)日：2024-08-02
申请号：CN202410497026.5
申请日：2024-04-24
Applicant: 北京工业大学
IPC: G06F18/2433 , G06F18/10 , G06N3/045
Abstract: 本发明涉及一种面向水质指标的预警方法，特别是涉及一种基于SG(Savitzky Golay)滤波、Autoformer模型以及双分支注意力异常检测结构的水质指标预警方法。首先，将获取到的水质时间序列进行线性插值补全，然后采用SG滤波平滑预处理。然后，再进行水质时序数据的归一化处理，将水质时序数据按照预设的输入长度作为特征序列输入Autoformer预测模型中，预测未来一段时间的水质指标，最终对预测的水质指标进行异常检测打分判断，对异常点做预警处理。
-
公开(公告)号：CN115689014A
公开(公告)日：2023-02-03
申请号：CN202211344095.X
申请日：2022-10-31
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/049 , G06N3/09
Abstract: 本发明设计一种面向水质指标预测的方法，特别是涉及一种基于双向长短时记忆神经网络(Bidirectional Long Short‑Term Memory,BiLSTM)与时间注意力机制(Temporal Attention)的水质指标预测方法。首先，将获取到的多特征的水质数据依照时间顺序进行排序，然后采用变分模态分解(Variational Mode Decomposition,VMD)将预测的目标序列分解为k个模态，将得到的模态与其余特征组成新的输入数据。然后，再进行输入数据的归一化处理，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，转为有监督的数据后，输入基于双向长短期记忆和时间注意力机制的神经网络模型中，预测未来四个小时的水质指标数据，最终获得精准度较高的水质指标预测结果。
-
Patent Agency Ranking
公开(公告)号：CN114358435A
公开(公告)日：2022-04-15
申请号：CN202210026708.9
申请日：2022-01-11
Applicant: 北京工业大学
Abstract: 本发明公开一种双阶段时空注意力机制的污染源‑水质预测模型权重影响计算方法。首先获取过去一段时间的河流水质监测数据以及各污染源的排放数据，并对两类数据采用SG(Savitzky Golay)滤波平滑预处理。然后再使用Z‑score标准化方法对数据进行标准化处理。将多个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，输入基于双阶段时空注意力机制循环神经网络(Dual‑stage Spitial and Temporal Attention‑based Recurrent Neural Network,DSTA‑RNN)模型。在此基础上，建立污染源‑水质预测模型，最后从模型中获取学习到的各污染源各个时刻对水质的影响权重分布。
-
公开(公告)号：CN112217676A
公开(公告)日：2021-01-12
申请号：CN202011092446.3
申请日：2020-10-13
Applicant: 北京工业大学
Abstract: 本发明公开一种基于混合元启发式算法的Kubernetes容器集群节点选取方法，建立云环境下的集群节点成本模型，该模型以使集群所有节点的总成本最小为目标，采用基于模拟退火和粒子群优化的混合元启发式算法进行最优节点选取方案的求解，通过使用Kubernetes基础的调度策略对模型求解的节点选取方案进行实际可行性验证，实现Kubernetes容器集群在满足工作要求的前提下的集群成本最优化的节点选取。本发明能够根据云厂商提供的服务器型号以及售价，和Kubernetes容器集群未来一段时间需要部署的容器资源需求，在满足集群容器部署需求的前提下，通过优化的集群节点选取方案，降低集群的云服务器使用成本。
-
公开(公告)号：CN110689175A
公开(公告)日：2020-01-14
申请号：CN201910871037.4
申请日：2019-09-16
Applicant: 北京工业大学
Abstract: 混沌多重宇宙的分布式绿色云数据中心能耗优化方法涉及云数据中心中的资源调度技术。该方法综合考虑了绿色云数据中心中不同服务器、不同应用请求到达率、请求损失率和不同地域的电力价格差异等因素对于绿色云数据中心提供商的平均电力成本的影响。该方法首先建立了适用于绿色云数据中心的电力成本的计算模型。基于此，建立了分布式绿色云数据中心的平均电力成本的计算模型。然后建立了多云数据中心中最小化绿色云数据中心提供商的平均电力成本的混合整数非线性规划模型。最后采用基于宇宙智能的混沌多重宇宙优化算法求解该模型，实现多云数据中心电力成本的优化方法。本发明能够将绿色云数据中心多应用的请求进行智能地调度优化，从而最小化其平均电力成本。
-
公开(公告)号：CN106850726B
公开(公告)日：2019-11-15
申请号：CN201610443332.6
申请日：2016-06-20
IPC: H04L29/08 , H04L12/803
Abstract: 本发明涉及一种基于SDN的云数据中心负载可感知的请求路由方法，该方法综合考虑了网络拥塞信息和虚拟机负载信息，得到处理某一应用请求最佳的虚拟机和到达该虚拟机路径组合，从而使得总响应时间最小化。在这一过程中，提出负载可感知控制器的总响应时间计算模型，另外还基于遗传算法获得每一个应用可以将请求送达虚拟机的链路集合，提供了计算每个虚拟机处理当前应用请求所需时间的计算模型，并给出了请求在链路中延迟时间的计算模型，通过计算虚拟机处理该请求的时间与链路的延迟时间，最终得到最小化的总响应时间。本发明缩小了数据中心中应用的延迟时间，提升了用户体验，并且为云数据中心提供商降低了利润的损失。
-
公开(公告)号：CN107123113B
公开(公告)日：2019-10-18
申请号：CN201710259660.5
申请日：2017-04-20
Applicant: 北京工业大学
IPC: G06T7/00
Abstract: 本发明公开一种基于格拉布斯准则与ARIMA的GWAC光变曲线异常检测方法，包括：使用格拉布斯准则对GWAC光变曲线进行过滤，筛选出其中可疑值；将通过格拉布斯准则筛选出的可疑值进行平稳性检测，将不平稳的数据进行差分，使其成为平稳序列；将最终平稳化的数据通过ARIMA模型进行预测；若是对差分序列进行预测则将其还原，得到对可疑值的预测值；对此序列当前可疑值之前的数据做相同预测并求得预测误差的平均值作为预测误差标准将其与可疑值的预测值进行比较，从而最终判断是否为光变曲线的异常值。采用本发明的技术方案，对GWAC观测到的天文星体的亮度所形成的光变曲线进行检测，以便发现其中异常的星体。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.077 seconds)
