公开(公告)号：CN115221800A

公开(公告)日：2022-10-21

申请号：CN202211140743.X

申请日：2022-09-20

Applicant: 武汉大学

Inventor： 陈杰 ,  杨露 ,  尹家波 ,  徐文馨 ,  孔若杉

IPC: G06F30/27 ,  G06F30/28 ,  G06F16/2458 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G06F113/08 ,  G06F119/12

Abstract: 本发明提供天气发生器和深度学习融合的延伸期径流集合预测方法，包括：步骤1，采集数据；步骤2，将实测数据划分为不同时间长度的样本子集，基于不同子集计算统计参数，逐一输入多变量天气发生器，获得多组延伸期模拟结果，优选代表当前气候特点的实测数据样本长度，对应的参数为最优参数集；步骤3，对于每个日历月：均引入未来月的预测结果，并对最优参数集进行调整；步骤4，将调整后的最优参数集输入天气发生器，获得延伸期集合预测结果；步骤5，率定目标流域的过程驱动水文模型和长短期记忆神经网络模型，构建HM‑LSTM模型；步骤6，将集合预测结果输入到HM‑LSTM模型中，开展延伸期径流集合预测。

公开(公告)号：CN115221800B

公开(公告)日：2022-12-02

申请号：CN202211140743.X

申请日：2022-09-20

Applicant: 武汉大学

Inventor： 陈杰 ,  杨露 ,  尹家波 ,  徐文馨 ,  孔若杉

IPC: G06F30/27 ,  G06F30/28 ,  G06F16/2458 ,  G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G06F113/08 ,  G06F119/12

Abstract: 本发明提供天气发生器和深度学习融合的延伸期径流集合预测方法，包括：步骤1，采集数据；步骤2，将实测数据划分为不同时间长度的样本子集，基于不同子集计算统计参数，逐一输入多变量天气发生器，获得多组延伸期模拟结果，优选代表当前气候特点的实测数据样本长度，对应的参数为最优参数集；步骤3，对于每个日历月：均引入未来月的预测结果，并对最优参数集进行调整；步骤4，将调整后的最优参数集输入天气发生器，获得延伸期集合预测结果；步骤5，率定目标流域的过程驱动水文模型和长短期记忆神经网络模型，构建HM‑LSTM模型；步骤6，将集合预测结果输入到HM‑LSTM模型中，开展延伸期径流集合预测。

公开(公告)号：CN115496940A

公开(公告)日：2022-12-20

申请号：CN202211084819.1

申请日：2022-09-06

Applicant: 武汉大学

Inventor： 何发智 ,  杨露 ,  代笠 ,  范林坤

IPC: G06V10/764 ,  G06V10/774 ,  G06N3/12

Abstract: 本发明公开了一种图像分类方法、装置、设备及存储介质，涉及计算机视觉技术领域，该方法包括步骤：基于原语集和终端集生成初始种群；计算所述初始种群中所有个体的适应度；将所述初始种群中适应度最高的个体作为最优个体，以完成一次迭代，并确定所述最优个体是否满足预设条件；当所述最优个体满足预设条件时，利用所述最优个体对图像进行分类。本申请能够提高图分类的性能，同时也大幅度提高了训练速度。

公开(公告)号：CN119903039A

公开(公告)日：2025-04-29

申请号：CN202411761818.5

申请日：2024-12-03

Applicant: 武汉大学

Inventor： 陈杰 ,  王瑶 ,  杨露 ,  尹家波 ,  刘嘉禾 ,  杨瑀露

IPC: G06F16/21 ,  G01W1/10 ,  G06F16/29 ,  G06Q50/26

Abstract: 本发明提供一种城市降雨区域IDF曲线建立约束方法及系统，包括：收集实测降雨数据、GCM模拟降雨数据；建立空间降尺度模型，对GCM预估的未来时段网格月降雨进行空间降尺度；计算未来时段各日历月降雨发生的条件转移概率；生成驱动随机降雨发生器的参数集，将其输入随机降雨发生器获得未来时段日降雨序列；将未来时段日降雨序列进行日尺度到小时尺度的时间离散；从未来时段小时降序列中提取年最大值序列进行区域频率分析，构建城市降雨区域IDF曲线；构建随机森林模型，推求IDF曲线迁移变化的备选因子；构建涌现约束模型，降低未来气候变化下城市降雨风险预测的不确定性。本发明提高了降雨频率分析的准确性。

公开(公告)号：CN115759175A

公开(公告)日：2023-03-07

申请号：CN202211498735.2

申请日：2022-11-28

Applicant: 武汉大学

Inventor： 何发智 ,  吴彩云 ,  范林坤 ,  杨露

IPC: G06N3/006

Abstract: 本发明公开了一种基于近似全局优化的细节层次网格模型逼近方法。首先对简化后的细节层次网格模型的每个点计算可移动范围，该范围通过基于最近邻接点的可变几何空间来确定，然后结合麻雀算法的全局探索能力和灰狼算法的局部勘探能力，构建协同学习的麻雀‑灰狼优化算法，在保留细节层次网格模型的面结构的情况下，使用麻雀‑灰狼优化算法来寻找最佳的顶点位置组合，全局地对细节层次网格的所有顶点进行优化，来逼近原始网格模型。本发明通过网格优化，能够得到具有最小近似误差的最优三维网格逼近效果。