-
公开(公告)号：CN115560721B
公开(公告)日：2025-05-09
申请号：CN202211163452.2
申请日：2022-09-23
Applicant: 福州大学
Abstract: 本发明提供了基于环境因子滞后性分析的堆石混凝土坝变形预测方法，包括以下步骤：步骤1：对大坝变形时间序列变形监测值进行偏自相关性分析，确定变形因子滞后时间；步骤2：对变形测值序列进行CEEMDAN分解，得到分解序列，并计算序列样本熵值，将样本熵值较高的噪声序列予以剔除；步骤3：根据不同时间滑移窗口滞后长度生成环境量滞后序列；步骤4：计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数，选取与各分解序列相关性最高的环境量滞后序列作为滞后因子；步骤5：根据变形因子、滞后因子构建变形预测输入数据集，应用IPSO‑GRU模型预测堆石混凝土坝变形值。应用本技术方案可有效提高模型的预测精度。
-
公开(公告)号：CN119337681A
公开(公告)日：2025-01-21
申请号：CN202411471291.2
申请日：2024-10-22
Applicant: 福州大学
Abstract: 本发明提供一种基于Diffusion MCMC的土石坝本构模型参数反演方法，根据大坝的现场勘测资料，建立有限元模型，根据敏感性分析选择反演参数，并确定待反演参数范围，构造不同参数组合进行有限元计算获得代理模型训练样本；然后利用所述训练样本，基于Ivy‑RF模型建立本构参数和土石坝沉降值的非线性映射；并利用初始样本训练Diffusion模型，经过训练后生成多组与输入数据相匹配的样本，以避免MCMC采样陷入局部最优；最后采用工程实测的土石坝沉降数据，使用Diffusion‑MCMC采样方法获取最优参数组合。
-
公开(公告)号：CN118070628A
公开(公告)日：2024-05-24
申请号：CN202410051044.0
申请日：2024-01-12
Applicant: 福州大学
IPC: G06F30/25 , G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种基于两相SPH模型的透水型拦挡坝泥石流拦蓄能力模拟方法，包括以下步骤：1）根据拦挡坝布置位置轴线方向，拦挡坝坝顶高程，生成拦挡坝控制粒子链，对泥石流SPH粒子施加拦挡坝拦蓄作用；2）在每个时间步判定拦挡坝控制粒子链影响域内泥石流淤积高程水平；3）通过控制粒子链影响域内泥石流淤积高程水平和拦挡坝坝顶高程进行比较，判定拦挡坝拦蓄潜力是否充分发挥；4）通过比较泥石流回淤表面线和泥石流实际淤积情况，将一部分受到拦挡坝拦蓄的泥石流作为地形进行处理，在新的时间步中更新粒子信息和地形信息；5）定义泥石流淤积体表面近似摩擦折减系数，进行拦挡坝漫顶后的泥石流动力过程计算。
-
公开(公告)号：CN115630336A
公开(公告)日：2023-01-20
申请号：CN202211343626.3
申请日：2022-10-30
Applicant: 福州大学
IPC: G06F18/25 , G06F18/214 , G06F18/23213 , G06F18/2135 , G06N3/088 , G06N3/096
Abstract: 本发明涉及一种基于域自适应迁移学习的无样本库区滑坡易发性预测方法。包括如下步骤：S1、收集多源数据，确定足量样本的源区域，选择适用于专题易发性分析的普适性评价指标，进行指标分析；S2、确定目标域的非标记样本，保证所选样本具有一定代表性，采用聚类方法分类，并在不同类中提取相同数量样本；S3、采用基于特征的域自适应方法，调节自适应因子，将源域数据与目标域无标记数据进行特征对齐；S4、选择合适的机器学习模型，将源域标记样本作为训练集，对目标域的易发性结果进行预测，以自然间断点法对易发性指数进行分区；本发明解决了传统方法在无样本的偏远库区中无法实现滑坡易发性评价的困难，为滑坡易发性预测提供一种新的思路。
-
公开(公告)号：CN115560721A
公开(公告)日：2023-01-03
申请号：CN202211163452.2
申请日：2022-09-23
Applicant: 福州大学
Abstract: 本发明提供了基于环境因子滞后性分析的堆石混凝土坝变形预测方法，包括以下步骤：步骤1：对大坝变形时间序列变形监测值进行偏自相关性分析，确定变形因子滞后时间；步骤2：对变形测值序列进行CEEMDAN分解，得到分解序列，并计算序列样本熵值，将样本熵值较高的噪声序列予以剔除；步骤3：根据不同时间滑移窗口滞后长度生成环境量滞后序列；步骤4：计算变形测值分解序列与环境量滞后序列间的皮尔逊相关性系数，选取与各分解序列相关性最高的环境量滞后序列作为滞后因子；步骤5：根据变形因子、滞后因子构建变形预测输入数据集，应用IPSO‑GRU模型预测堆石混凝土坝变形值。应用本技术方案可有效提高模型的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN115455860A
公开(公告)日：2022-12-09
申请号：CN202211163434.4
申请日：2022-09-23
Applicant: 福州大学
IPC: G06F30/28 , G06F30/25 , G06F30/23 , G06F113/08 , G06F119/14
Abstract: 本发明提供了一种基于特征线理论的SPH吸收层边界施加方法，包括以下步骤：步骤1：生成自适应背景网格；步骤2：对计算域内每个水体粒子进行循环；步骤3：对每个处于上述网格内的水体粒子进行循环；步骤4：计算激活粒子在当前时间步n的黎曼第一不变量和黎曼第二不变量；步骤5：更新粒子信息；步骤6：检查是否完成所有临近边界水体粒子循环。应用本技术方案可实现有效削减水波通过水体流域边界时产生的数值震荡，有效降低了吸收层边界施加过程中进行粒子相互作用判断的计算量，提高了计算效率。
-
公开(公告)号：CN119883924A
公开(公告)日：2025-04-25
申请号：CN202510044356.3
申请日：2025-01-11
Applicant: 福州大学
IPC: G06F11/3668 , G06F11/3604 , G06N3/042 , G06N3/0464 , G06N3/084 , G06N3/09
Abstract: 本发明涉及一种基于图神经网络的可编程数据平面增量测试方法，包括：1）生成数据平面程序的控制流图，分析程序结构和逻辑，对程序中每个节点设置类型、编号、可达性和变更标志，定义边的起点、终点及转移条件；2）将控制流图转换为图数据对象，通过编码方式嵌入节点和边信息；3）采用GCN模型分析图数据对象，逐层聚合节点特征，同时结合边的条件转移特性，逐步整合节点之间的局部信息；4）动态选择粗粒度或细粒度测试策略；5）通过正则匹配与随机修改生成缺陷代码样本，并结合自动化训练机制优化图神经网络模型性能。该方法通过生成控制流图并结合图神经网络模型对路径依赖关系进行分析，实现了在网络规则频繁更新场景中的高效增量测试。
-
公开(公告)号：CN119227598B
公开(公告)日：2025-02-14
申请号：CN202411773340.8
申请日：2024-12-05
Applicant: 福州大学
IPC: G06F30/28 , G06F30/25 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 本发明提供一种基于粘塑性SPH模型的慢速滑坡运动过程模拟方法及系统，根据滑坡源信息，生成包含固液两相的SPH粒子，并根据地勘资料赋予不同区域SPH粒子的流变参数信息；然后进行以下迭代计算：计算当前时间步n下各SPH粒子非粘性变形剪切力；计算当前时间步n下各SPH粒子的粘性变形剪切力；根据显示计算稳定条件，更新时间步迭代步长；更新n+1时间步的粒子速度，并得到变形后的粒子位置；当计算满足收敛条件时则结束计算。
-
公开(公告)号：CN119337733A
公开(公告)日：2025-01-21
申请号：CN202411471824.7
申请日：2024-10-22
Applicant: 福州大学
IPC: G06F30/27 , G06F18/23 , G06F16/29 , G06F18/10 , G06F18/213 , G06N3/006 , G06F119/12
Abstract: 本发明公开了考虑预测区间水文气象变化的库岸边坡短期变形趋势IKHM‑EFS‑TimeMixer预测方法，包括以下步骤：1)采集库岸边坡历史变形序列并进行聚类区分；2)初始化IKHM算法并对特征相似的库岸边坡致变因子序列进行IKHM聚类；3)构建致变因子序列的聚类特征分析矩阵；4)将聚类特征分析矩阵中位移序列进行EWT分解，将各分解序列中判定的噪声序列予以剔除，重构每一组位移序列。5)基于更新的聚类特征分析矩阵并考虑预测区间水文气象变化，应用TimeMixer模型预测库岸边坡短期未来任意步长的变形趋势。本发明通过优化聚类获取全局特性明显的聚类结果，区分变形序列聚类后的叠加噪声项和特征项，并考虑一定的预测区间水文气象变化，在预测库岸边坡短期内的变形趋势方面有较好表现。
-
公开(公告)号：CN116011340A
公开(公告)日：2023-04-25
申请号：CN202310065477.7
申请日：2023-01-16
Applicant: 福州大学
IPC: G06F30/27 , G06F30/13 , G06Q10/0639 , G06Q50/08 , G06N3/0442 , G06F18/10 , G06F18/27 , G06F123/02
Abstract: 本发明涉及一种考虑异元不确定性影响下的边坡变形预测方法。该方法：对相关历史监测数据进行处理；将处理好的数据按划分为学习样本集、定标样本集与预测集；将学习样本集作为基于异向弹性长短期记忆神经网络的输入构建多个区间预测模型；将得到的区间预测模型结合对应的定标样本进行初步感知，并根据实际观测值与输出的预测区间的关系得到相应的保形分数组，并分别计算经验概率分位数；利用经验概率分位数对各个模型生成的预测区间进行自适应优化，使得所构建的每个区间预测模型在有效理论覆盖和区间覆盖宽度两个矛盾的指标中取得最佳平衡，生成不确定性区间预测结果或确定性点预测值。本发明能够满足不同地况、不同位置的边坡变形预测需求。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.023 seconds)
