-
公开(公告)号：CN111104858B
公开(公告)日：2022-07-15
申请号：CN201911134130.3
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于形态模型法的大范围作物物候提取方法。获取局部地理区域多年植被指数时序曲线；利用双重逻辑函数拟合方式对植被指数时序曲线进行平滑拟合；使用农气站的参考曲线和参考点建立形态模型；利用变换进行形态模型拟合；使用最优缩放参数计算获得局部地理区域物候期提取值。本发明的方法利用了曲线的宏观特征，可以减少曲线局部波动和噪声的影响，有更好的提取精度；并且可同时对作物的各个物候期进行提取，无需分别设定不同的度量标准，可应用于大范围作物物候提取。
-
公开(公告)号：CN104680425A
公开(公告)日：2015-06-03
申请号：CN201510083107.1
申请日：2015-02-15
Applicant: 国网浙江省电力公司宁波供电公司 , 浙江大学
Inventor： 章杜锡 , 毛南平 , 李丰伟 , 范黎敏 , 戚军 , 谢宏 , 李力 , 周洋 , 江昊 , 邬航杰 , 周行 , 杨翔 , 杨锦晶 , 盛海静 , 焦旭明 , 董树锋 , 曹志昆
IPC: G06Q50/06
CPC classification number: G06Q50/06
Abstract: 本发明具体涉及一种改进的基于功能分解的二次系统风险量化模型建立方法。本发明首先分解功能涉及的软硬件，抽象成逻辑节点和逻辑连接得到功能图。然后分析逻辑节点和逻辑连接的失效概率。最后求解功能图终点为末端节点的失效概率最大的路径，该路径的失效概率即为功能的失效概率。本发明提出了根据信息流有向图的功能失效概率计算方法，该方法通过搜索有向图中最大失效概率路径来确定功能失效概率。
-
Patent Agency Ranking
公开(公告)号：CN111104858A
公开(公告)日：2020-05-05
申请号：CN201911134130.3
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种基于形态模型法的大范围作物物候提取方法。获取局部地理区域多年植被指数时序曲线；利用双重逻辑函数拟合方式对植被指数时序曲线进行平滑拟合；使用农气站的参考曲线和参考点建立形态模型；利用变换进行形态模型拟合；使用最优缩放参数计算获得局部地理区域物候期提取值。本发明的方法利用了曲线的宏观特征，可以减少曲线局部波动和噪声的影响，有更好的提取精度；并且可同时对作物的各个物候期进行提取，无需分别设定不同的度量标准，可应用于大范围作物物候提取。
-
公开(公告)号：CN105391062B
公开(公告)日：2017-12-22
申请号：CN201510896238.1
申请日：2015-12-07
Applicant: 国网浙江省电力公司宁波供电公司 , 浙江大学
Inventor： 章杜锡 , 毛南平 , 李丰伟 , 范黎敏 , 戚军 , 谢宏 , 周洋 , 江昊 , 邬航杰 , 杨翔 , 周飞 , 盛海静 , 李力 , 谢楚 , 焦旭明 , 杨锦晶 , 董树锋
IPC: H02J3/00
Abstract: 本发明公开了一种基于直流潮流模型的有功不良数据辨识方法，属于电力系统技术领域。本发明基于直流潮流模型，通过选取不同的有功量测组合来计算状态变量的值，得到多组状态量，然后对其进行聚类分析，根据聚类结果快速地辨识出有功不良数据。本发明提出的方法具有计算量小、易于并行、辨识正确率高的特点，适合于状态估计前对量测进行在线预处理。
-
公开(公告)号：CN105391062A
公开(公告)日：2016-03-09
申请号：CN201510896238.1
申请日：2015-12-07
Applicant: 国网浙江省电力公司宁波供电公司 , 浙江大学
Inventor： 章杜锡 , 毛南平 , 李丰伟 , 范黎敏 , 戚军 , 谢宏 , 周洋 , 江昊 , 邬航杰 , 杨翔 , 周飞 , 盛海静 , 李力 , 谢楚 , 焦旭明 , 杨锦晶 , 董树锋
IPC: H02J3/00
CPC classification number: H02J3/00 , H02J2003/007
Abstract: 本发明公开了一种基于直流潮流模型的有功不良数据辨识方法。本发明基于直流潮流模型，通过选取不同的有功量测组合来计算状态变量的值，得到多组状态量，然后对其进行聚类分析，根据聚类结果快速地辨识出有功不良数据。本发明提出的方法具有计算量小、易于并行、辨识正确率高的特点，适合于状态估计前对量测进行在线预处理。
-
公开(公告)号：CN111027752B
公开(公告)日：2022-06-21
申请号：CN201911134971.4
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种深度时空特征联合学习的作物产量估测方法。获取地区的历史作物产量数据和气象数据并进行预处理，对气象数据进行预处理获得气象参数，对产量数据进行预处理获得去趋势产量，分别作为后续作物单产时空特征深度学习模型的输入和输出数据；构建作物单产时空特征深度学习模型，并对模型的超参数进行优化；将气象参数作为输入，将去趋势产量作为输出，形成训练集样本进而训练作物单产时空特征深度学习模型获得模型的参数，将待测作物产量的气象参数输入训练后的模型，输出估测结果，获得农作物产量估测结果。本发明联合了时间特征学习和空间特征学习，在空间差异较大且复杂的研究区域内，本发明的作物产量估测精度更高，稳定性更好。
-
公开(公告)号：CN111027752A
公开(公告)日：2020-04-17
申请号：CN201911134971.4
申请日：2019-11-19
Applicant: 浙江大学
Abstract: 本发明公开了一种深度时空特征联合学习的作物产量估测方法。获取地区的历史作物产量数据和气象数据并进行预处理，对气象数据进行预处理获得气象参数，对产量数据进行预处理获得去趋势产量，分别作为后续作物单产时空特征深度学习模型的输入和输出数据；构建作物单产时空特征深度学习模型，并对模型的超参数进行优化；将气象参数作为输入，将去趋势产量作为输出，形成训练集样本进而训练作物单产时空特征深度学习模型获得模型的参数，将待测作物产量的气象参数输入训练后的模型，输出估测结果，获得农作物产量估测结果。本发明联合了时间特征学习和空间特征学习，在空间差异较大且复杂的研究区域内，本发明的作物产量估测精度更高，稳定性更好。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
