公开(公告)号：CN117807517A

公开(公告)日：2024-04-02

申请号：CN202410017405.X

申请日：2024-01-05

Applicant: 南昌工程学院

Inventor： 吴绍飞 ,  贺淼 ,  康传雄 ,  刘东鸿 ,  罗乙丁 ,  张晓慧

IPC: G06F18/2411 ,  G06F18/214 ,  G06N3/04 ,  G06Q50/26

Abstract: 本发明提出一种基于Rel‑Informer模型的降雨径流模型的构建方法，该方法包括生成输入向量；对输入向量分别进行卷积操作；对输入向量分别进行相对位置编码；计算叠加向量；设置最大循环次数，首先将叠加向量经过改进后的自蒸馏多头注意力机制处理，接着对叠加向量和输出结果进行归一化处理，再将归一化特征依次执行卷积操作和池化操作，得到池化特征，如此不断循环，以得到更新后的叠加向量；将叠加向量执行自蒸馏多头注意力机制操作；将更新后的叠加向量和共同执行多头注意力机制操作；将经过多头注意力机制后的结果经过全连接层进行输出，得到预测径流结果。本发明能够提高模型性能，进而能够提高建模的预测精度。

公开(公告)号：CN114035966A

公开(公告)日：2022-02-11

申请号：CN202111432703.8

申请日：2021-11-29

Applicant: 南昌工程学院

Inventor： 白桦 ,  刘址杰 ,  桂发亮 ,  李二辉 ,  康传雄 ,  吴绍飞

IPC: G06F9/50 ,  G06F9/54

Abstract: 本发明提供一种CUDA架构D8算法的水域流向和累积汇流量并行分析方法，包括：基于GPU纹理存储器构建流域DEM栅格数据的读取存储模型；基于GPU全局存储器，设置并行网格和线程块，映射线程到DEM栅格单元，获取当前线程身份识别号；各线程根据读取存储模型连续拾取DEM栅格数据的中心栅格及相邻栅格高程值；根据中心栅格及相邻栅格高程值计算最大距离权落差，根据最大距离权落差确定中心栅格流向；根据中心栅格流向构建流向栅格单元，映射线程到流向栅格单元，读取线程身份识别号和流向；各线程依循流向开展串行汇流计算，获取累积汇流量矩阵。本发明提出了一种CUDA环境下D8算法快速运算的并行方法，解决了D8并行算法并行运算栅格像元访问和运算冲突问题。

公开(公告)号：CN117114287A

公开(公告)日：2023-11-24

申请号：CN202310963458.6

申请日：2023-08-02

Applicant: 南昌工程学院

Inventor： 康传雄 ,  吴明桂 ,  吴绍飞 ,  康兵

IPC: G06Q10/0631 ,  G06Q50/06 ,  G06F30/20 ,  G06F111/04

Abstract: 本发明公开一种用于水电优化调度的出力关系线性化方法及系统，方法包括：根据水库和水电站的基础数据建立水电出力关系，水电出力关系为出库流量和蓄水量的二元函数；以二元函数中各区间的起始蓄水量为基准，根据出库流量初步近似表达出力值，再根据所在蓄水量区间的相对位置按比例对出力值进行修正；通过引入整数变量，将水电出力关系表达为线性的约束条件；根据约束条件构建水电优化调度模型，并调用混合整数规划解算器COPT进行求解水电优化调度模型，得到最优的水电出力过程和水库蓄泄过程。通过自动校正项来提高近似精度，而不增加模型的计算复杂度，使优化调度的计算成果稳定的同时更加精确，可用于开发和部署水电优化调度模型。

公开(公告)号：CN119785914A

公开(公告)日：2025-04-08

申请号：CN202510245299.5

申请日：2025-03-04

Applicant: 南昌工程学院

Inventor： 康传雄 ,  袁谱淇 ,  翁书勤 ,  吴绍飞

IPC: G16C20/20 ,  G16C20/70 ,  G06N3/0442 ,  G06N3/045

Abstract: 本申请涉及环境监测与预测技术领域，公开了一种基于TKAN模型的水体氨氮浓度预测方法及系统，该TKAN模型包括多个TKAN层（包括输入处理层、门控层、特征提取层、状态计算层和输出生成层），该方法包括：获取待测水体数据进行预处理以得到水体时序数据；通过输入处理层获取当前时刻输入数据、前一时刻隐藏状态和前一时刻单元状态；通过门控层获得输入门状态向量、遗忘门状态向量和输出门状态向量；通过特征提取层获得聚合特征；通过状态计算层获得当前时刻的单元状态向量；通过输出生成层获得每个TKAN层的水体预测结果，综合多个TKAN层的水体预测结果获得最终水体氨氮浓度预测结果。该方法有效提升了水体氨氮浓度预测精度。

公开(公告)号：CN114036850A

公开(公告)日：2022-02-11

申请号：CN202111353582.8

申请日：2021-11-16

Applicant: 南昌工程学院

Inventor： 吴绍飞 ,  贺淼 ,  康传雄 ,  黄彬彬 ,  王奇 ,  桂发亮

IPC: G06F30/27 ,  G06F119/02

Abstract: 本发明公开了一种基于VECGM的径流预测方法。该方法首先通过VMD处理径流序列的非平稳性，将原始径流序列拆解为不同频率分量，拆解后震荡强烈的高频分量采取组合耦合网络CNN‑GRU模型进行预测，并通过ESMA优化组合模型的超参数；然后变化平缓的低频分量通过MLR建模预测；最后将各模态分量的预测输出叠加重构为完整预测结果。本发明提出的VECGM模型相比于单一模型CNN、GRU和RF，组合网络ESMA‑CNN‑GRU(ECG)的模型预测误差MAE、MAPE和RMSE更低，模拟拟合指数R2和KGE值更高，证明该组合网络性能优异，更加适合处理波动性强、非线性平稳的径流序列。

公开(公告)号：CN113762078A

公开(公告)日：2021-12-07

申请号：CN202110885473.4

申请日：2021-08-03

Applicant: 南昌工程学院

Inventor： 吴绍飞 ,  贺淼 ,  黄彬彬 ,  康传雄 ,  唐明 ,  刘晓峰

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26

Abstract: 本发明公开了一种基于VMD‑CSSA‑LSTM‑MLR组合模型的湖泊TN预测方法。该方法首先通过VMD分解为K个本征模态分量；然后分别采用LSTM神经网络对高频信号进行处理预测，采用CSSA优化LSTM神经网络的超参数；采用MLR对低频信号进行处理预测；叠加所有模态分量的预测值，得到实际预测结果。本发明有效解决了其它常用的信号分解方法存在的模态混叠、端点效应等问题，且该方法运行速度快，分解结果稳定；同时，提高了算法的运行效率以及模型的预测精度，解决了LSTM神经网络的超参数人工确定难的问题，提高了预测模型的效率及精度。