一种高精度的励磁涌流波形的识别与分类方法

    公开(公告)号:CN119577592A

    公开(公告)日:2025-03-07

    申请号:CN202411520100.7

    申请日:2024-10-29

    Applicant: 南通大学

    Abstract: 本发明提供了一种高精度的励磁涌流波形的识别与分类方法,属于电子信息技术领域。解决了现有方法难以精准识别复杂励磁波形的技术问题。其技术方案为:包括以下步骤:S1,基于预处理后的数据,选择9个特征变量;S2,针对9个特征变量,利用U检验进行一轮特征筛选;S3,利用共线性检验与特征重要性排序进行二轮特征筛选;S4,基于RandomForest,GradientBoosting和Light‑GBM,构建软投票集成分类器;S5,基于软投票集成分类器,进行励磁波形分类。本发明的有益效果为:能够准确识别励磁波形并对其进行分类。

    一种基于Tent-GWO-GRU的有害藻华生长预测方法

    公开(公告)号:CN118917958A

    公开(公告)日:2024-11-08

    申请号:CN202410939981.X

    申请日:2024-07-15

    Applicant: 南通大学

    Abstract: 本申请公开了一种基于Tent‑GWO‑GRU的有害藻华生长预测方法,包括:获取目标流域的历史水质数据并进行预处理;基于历史水质数据,构建门控循环单元神经网络GRU模型;基于Tent混沌映射算法,优化灰狼算法GWO;优化GRU模型参数并进行预测。本申请对指标数据进行时间延滞,充分考虑到了藻华生长演化的延后性,提高了该方法的可行性。引入Tent混沌映射算法,对GWO算法生成初始狼群的方法进行改进,使得初始狼群的分布更均匀,明显提高了算法的适应度值,更容易找到全局最优解。本申请采用Tent‑GWO优化算法,对GRU模型的超参数及网络结构进行优化,不仅提高了模型的稳定性,还取得了较高的预测精度。

Patent Agency Ranking