-
公开(公告)号：CN110020409A
公开(公告)日：2019-07-16
申请号：CN201910256176.6
申请日：2019-04-01
申请人： 南京信息工程大学
IPC分类号： G06F17/18
摘要： 本发明涉及一种基于自适应核密度估计算法的地面气温观测资料分析方法，属于地面气温观测资料分析领域，该方法在传统的固定窗宽核密度估计算法挤出上引入自适应算法，即在窗宽参数中引入自适应系数，能够有效反应样本观测值的稀疏程度所带来的影响，然后再对自适应算法进行改进，将窗宽参数替换为最优窗宽，使地面气温观测数据下得出的结果满足所有均方误差均为最小，使得改进后的自适应方法完全适用于地面气温观测资料。
-
公开(公告)号：CN109034195A
公开(公告)日：2018-12-18
申请号：CN201810642189.2
申请日：2018-06-21
申请人： 南京信息工程大学
IPC分类号： G06K9/62
CPC分类号： G06K9/6269 , G06K9/6256 , G06K9/627
摘要： 本发明公开了一种基于PSR‑PCA‑SVR的自动气象站实时气温质量控制方法，首先对单站实时气温及定长历史气温序列进行采集；然后对采集的序列做基本的质量控制；接着进行PSR，并对重构得到的高维分量进行PCA，得到原时间序列在高维空间中的具有全局特征的无偏分量信号；最后，通过SVR构建时间序列采集信号的重构模型，得到去噪、降维后的气温重建值，并根据此重建值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法在基本质量控制方法的基础上弥补了目前质量控制方法不能消除随机噪声、系统噪声、微气象噪声的缺点；在传统神经网络重建基础上融入主特征提取环节，增加了重建模型的泛化性能，提高了实时自动气象站观测数据的质量。
-
公开(公告)号：CN106897957A
公开(公告)日：2017-06-27
申请号：CN201710097989.6
申请日：2017-02-22
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于PCA和PSO‑ELM的自动气象站实时数据质量控制方法，该方法，首先对被检站一定范围内观测站(邻站)一定历史时间尺度的气温数据进行采集，构成原始采集信号；然后对采集信号进行主成分分析，达到去冗余的目的；最后，通过改进的极限学习机构建气温的重建模型，并据此通过被检时刻邻站的数据得到被检时刻的估计值；最后，根据此估计值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法在基本质量控制方法的基础上，一方面弥补了目前多站联网质量控制方法中邻站选择的固定性，提高了算法的动态适应性；另一方面改进的极限学习机提高了网络的泛化性能，增加了重建模型的精度。
-
公开(公告)号：CN106886856A
公开(公告)日：2017-06-23
申请号：CN201710098307.3
申请日：2017-02-22
申请人： 南京信息工程大学
IPC分类号： G06Q10/06
摘要： 本发明公开了一种基于PSR‑FastICA‑OS_ELM的自动气象站实时数据质量控制方法，该方法，首先对单站实时气温及定长历史气温序列进行采集，构成采集信号；然后对采集信号进行基本质量控制；接着进行相空间重构；并对重构的高维矢量空间信号进行快速独立分量分析，达到去噪、去冗余的目的，得到源信号在高维矢量空间中的无偏信号；最后，通过在线序贯极限学习机构建时间序列采集信号的重建模型，得到去噪后的气温重建值；并根据此去噪重建值与实际观测值比较进行条件修正，完成对该时刻气温的质量控制。该方法满足了实时数据采集的要求，提高了实时自动气象站观测数据的质量。
-
公开(公告)号：CN104462205A
公开(公告)日：2015-03-25
申请号：CN201410609938.3
申请日：2014-11-03
申请人： 南京信息工程大学
IPC分类号： G06F17/30
CPC分类号： G05B19/41885
摘要： 本发明公开了一种基于动态知识网的制造系统自适应组织方法，首先定义动态知识网，建立动态知识网模型，然后基于制造系统中的动态因素设计动态组织的触发规则，并根据知识点的状态构造相应的静态知识子网。综合信息匹配度、功能匹配度及功能完善度定义了静态知识子网的匹配度，为知识网的动态组织提供决策依据。在知识网的动态组织过程中，首先检测知识点的状态，对于状态异常的知识点建立静态知识子网并以此为目标子网，计算目标子网与知识库中资源静态子网的匹配度，根据触发规则选择匹配度最高且大于阈值的资源子网利用多重集的运算更新知识网的结构。本发明使制造企业具备快速响应的能力，提高了其市场竞争力。
-
公开(公告)号：CN103278867B
公开(公告)日：2015-02-04
申请号：CN201310159628.1
申请日：2013-05-03
申请人： 南京信息工程大学
IPC分类号： G01W1/00
摘要： 本发明公开了一种基于经验模态分解的自动气象站数据质量控制方法，将经验模态分解用于自动气象站数据质量控制，该方法首先对单站数据进行采集，然后对采集的数据做基本质量控制后，再进行EEMD（经验模态）分解得到本征模分量和趋势项，进一步对本征模分量和趋势项做加权处理，得到赋权本征模分量和赋权后的趋势项，最后对赋权后的本征模分量和赋权后的趋势项做数据重构，得到去噪后的数据，完成去噪过程，该方法在基本质量控制方法的基础上弥补了目前质量控制方法不能消除随机噪声、系统噪声、微气象噪声和粗大噪声的缺点，提高了自动气象站观测数据的质量。
-
公开(公告)号：CN103278868A
公开(公告)日：2013-09-04
申请号：CN201310168701.1
申请日：2013-05-09
申请人： 南京信息工程大学
CPC分类号： Y02A90/14
摘要： 本发明公开了一种具有故障自诊断自恢复功能的自动化气象站系统，属于自动化气象站技术领域。包括n个气象站、一个远程控制端，n为正整数，所述每个气象站包括微控制器、采集器、通讯模块，其中采集器外部连接电源；远程控制端内部设有一个比较电路，当对n个气象站中的某一个气象站进行检测诊断时，将除了该被检测气象站以外的n-1个气象站的数据平均值作为参考值，当被检测气象站的气象数据与参考值出现超过预先设定的偏差范围时，诊断该被测气象站的采集器出现故障。本发明能够自行诊断出故障来源，减少故障时间，提高气象站的工作效率，减少数据误差，增强实时检测准确率及稳定性。
-
公开(公告)号：CN118013822A
公开(公告)日：2024-05-10
申请号：CN202410097764.0
申请日：2024-01-24
申请人： 南京信息工程大学
摘要： 本发明公开了一种基于时空相关性及地形因子的高铁沿线站点风速模拟方法。首先筛选出高铁测风站点一定范围内的气象站，提取各气象站点区域内的坡度、坡向、地形起伏度、地表粗糙度，通过改进CRITIC法对各地形因子赋权，得到地形复杂度指数，确定插值参考站；然后将参考站的风速通过滑动窗口建模转换为模型的输入数据，捕获时间依赖性，进一步筛选和提取特征，根据空间距离对目标站点进行风速插值；接着考虑地形因子对风速的加速效应，计算目标站点坡向与主风向之间的主风向效应系数，提出不同的风加速效应公式；最后地形因子总加速效应由坡度对风的加速效应乘以一定的权重与坡向对风的加速效应乘以一定的权重求和组成，准确模拟出高铁沿线的风速。
-
公开(公告)号：CN112347087B
公开(公告)日：2024-05-03
申请号：CN202011062646.4
申请日：2020-09-30
申请人： 中国铁路上海局集团有限公司 , 中国国家铁路集团有限公司 , 南京铁道职业技术学院 , 南京信息工程大学
发明人： 马伟叁 , 张颖超 , 唐强 , 史德耀 , 叶云飞 , 宋国亮 , 熊雄 , 卢万胜 , 叶小岭 , 黄华 , 唐红昇 , 孙国强 , 姚薇 , 路言杰 , 张中秋 , 薛锋 , 贺磊 , 胡细东 , 李强 , 陈刚 , 浦丽华 , 赵朝蓬 , 曲思源
IPC分类号： G06F16/215 , G06F16/2458 , G06F17/18 , G06F30/20
摘要： 本发明公开了一种高铁沿线风速观测数据质量控制方法，包括如下步骤：采集高铁沿线测风数据并进行基本的质量控制后，选取没有错误值的连续时间段数据，划分为建模序列和测试序列；依据相空间重构理论，运用C‑C法对风速序列进行相空间重构，根据重构后的相空间，选择预测中心相点作为参考相点，利用改进的一阶局域线性拟合出预测方程；根据加权最小二乘法设定误差最小化目标函数，结合预测方程计算得到预测值；将建模序列向后移动一个时间点，重复上述步骤不断迭代得到多个预测值组成的预测序列；将预测序列与测试序列进行比较，判断预测数据与实际数据的一致性，实现对数据的质量控制。本发明算法时间复杂度小精度高，能够有效的提高测风数据的准确性。
-
公开(公告)号：CN117744537A
公开(公告)日：2024-03-22
申请号：CN202410059803.8
申请日：2024-01-16
申请人： 南京信息工程大学
IPC分类号： G06F30/28 , G06F18/25 , G06F17/11 , G06F17/18 , G06N3/0464 , G06N3/08 , G06F17/16 , G06F113/08 , G06F119/14
摘要： 本发明公开了一种高铁沿线秒级风速信号特性分析及动态风场重构方法。首先，采用时域分析和频域分析相结合描述风信号变化状态，将铁路站点秒级风速数据划分不同时距，提取平均风和脉动风，统计分析风速信号特征参数，构造多要素不同时距风速临界状态变化特征状态方程。其次，提取沿线地形数据，建立静态小尺度风场重构模型，分析秒级信号的时空依赖关系并结合深度学习，进行空间降尺度和时间降尺度，得到“秒‑百米”级静态风场。最后，建立沿线最大秒级风速超前预测框架，将“秒‑百米”级静态风场和实时风速进行多源信息融合，将预测数据替换为实时风速输入到融合模型，重构“秒‑百米”级未来动态风场，精准捕获高铁沿线秒级瞬时最大风速。
-
-
-
-
-
-
-
-
-
搜索结果
168 条记录 (耗时 0.033 秒)
