-
公开(公告)号：CN114998673B
公开(公告)日：2023-10-13
申请号：CN202210513592.1
申请日：2022-05-11
申请人： 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号： G06V10/774 , G06V10/82 , G06N3/047 , G06N3/0442 , G06N3/049 , G06N3/08
摘要： 本发明公开一种基于本地自注意力机制的大坝缺陷时序图像描述方法，对输入大坝缺陷时序图像进行帧采样，使用卷积神经网络提取特征序列，并将该序列作为自注意力编码器的输入；编码器由基于可变自注意力机制的Transformer网络构成，能够动态建立每一帧的上下文特征关系；采用基于本地注意力机制的LSTM网络生成描述文本，使得预测的每一个单词都能与图像帧建立特征关系，建立图像和文本的上下文依赖以提高文本生成的准确率。本发明在计算图像帧的全局自注意力的基础上添加了动态机制，避免了过大的参数量导致模型收敛缓慢。添加本地注意力的LSTM网络能够直接建立图像和文本两个模态数据之间的对应关系，使得生成的描述文本更准确，包含的信息更全面。
-
公开(公告)号：CN114913150B
公开(公告)日：2023-08-22
申请号：CN202210515193.9
申请日：2022-05-11
申请人： 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号： G06T7/00 , G06T7/33 , G06V10/22 , G06V10/62 , G06V10/764 , G06N3/0464 , G06N3/08
摘要： 本发明公开一种混凝土大坝缺陷时序图像智能识别方法，使用双流网络提取包含混凝土大坝缺陷的时序图像的特征序列，并添加时间维度的自注意力机制获取全局上下文特征关系；在模型的训练过程中，使用基于距离交并比的目标函数匹配定位缺陷和真实缺陷，计算缺陷的时序位置关系加速模型收敛；在模型损失函数中添加基于紧密感知交并比的损失项，以关注缺陷序列的完整性提高准确率；在完成缺陷定位后，采用基于2D时序差分的卷积神经网络提取缺陷特征并识别缺陷类型。本发明对混凝土大坝缺陷时序图像进行了有效检测，不仅能够定位长图像序列中的缺陷位置，还能够准确识别缺陷类型。在大坝缺陷时序图像的识别任务中具有较高的识别精度与较好的收敛性能。
-
公开(公告)号：CN110728397B
公开(公告)日：2021-03-02
申请号：CN201910917819.7
申请日：2019-09-26
申请人： 河海大学 , 华能澜沧江水电股份有限公司
摘要： 本发明公开了一种基于模型自动匹配的大坝单测点阈值计算方法，步骤为：(1)构建可扩充的预测模型总库，(2)构建数据库，(3)计算数据相似度，选择最小相似度值的测点作为相似测点，若最小相似度值小于等于阈值S，则直接配置该测点与相似测点相同的预测模型，否则重新匹配最佳模型，(4)更新预测模型，比较该时段测点数据的R平方值与原预测模型离线阶段时的初始R平方值，若不小于初始R平方值则不变，若小于且差值在0.02范围内则仅更新原预测模型的超参数，否则重新匹配模型，(5)计算出该测点阈值当日的异常级别。本发明在节约人力成本和降低数据与模型的耦合度的同时，保证单点阈值计算结果精确性和实时性。
-
公开(公告)号：CN110728397A
公开(公告)日：2020-01-24
申请号：CN201910917819.7
申请日：2019-09-26
申请人： 河海大学 , 华能澜沧江水电股份有限公司
摘要： 本发明公开了一种基于模型自动匹配的大坝单测点阈值计算方法，步骤为：(1)构建可扩充的预测模型总库，(2)构建数据库，(3)计算数据相似度，选择最小相似度值的测点作为相似测点，若最小相似度值小于等于阈值S，则直接配置该测点与相似测点相同的预测模型，否则重新匹配最佳模型，(4)更新预测模型，比较该时段测点数据的R平方值与原预测模型离线阶段时的初始R平方值，若不小于初始R平方值则不变，若小于且差值在0.02范围内则仅更新原预测模型的超参数，否则重新匹配模型，(5)计算出该测点阈值当日的异常级别。本发明在节约人力成本和降低数据与模型的耦合度的同时，保证单点阈值计算结果精确性和实时性。
-
公开(公告)号：CN118965045A
公开(公告)日：2024-11-15
申请号：CN202410972053.3
申请日：2024-07-19
申请人： 华能澜沧江水电股份有限公司 , 河海大学
IPC分类号： G06F18/23213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06N3/09 , G06N3/088
摘要： 本发明公开一种基于自注意力的水电机转轮状态数据深度聚类方法，包括：1)提取水电机转轮状态数据在多种稳定运行状态下的低维特征表示，实现对复杂数据的初步降维和特征提取；2)挖掘不同运行状态下水电机转轮状态数据之间的内在联系，对水电机转轮状态数据的特征进行有效融合；3)基于融合后的特征，运用KL散度作为聚类目标函数，优化聚类算法参数以实现水电机转轮状态数据的有效聚类。本发明提高了对水电机转轮状态数据的表征和理解能力，有助于挖掘水电机转轮状态数据的分布规律或潜在分布规律，为水电机的运行监测和维护提供了有效的数据分析工具。
-
公开(公告)号：CN118569260A
公开(公告)日：2024-08-30
申请号：CN202411036769.9
申请日：2024-07-31
申请人： 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号： G06F40/295 , G06N3/045 , G06N3/084 , G06N3/09
摘要： 本发明公开了一种面向水库群联合调度的小样本命名实体识别方法，通过实体跨度检测和实体类型分类两个阶段构建模型。在跨度检测阶段使用跨度边界矩阵，学习跨度边界信息并过滤潜在错误跨度，提高检测精度；在实体类型分类阶段，通过标签引导提高原型网络构建质量。在模型训练过程中，使用对比学习改进损失函数，通过反向传播更新参数，使相同类型实体的空间表示更加接近。完成实体原型构造后，利用距离函数计算样本与类别原型之间的距离，并将其转化为相似度概率对样本进行分类。本发明实现了水库群联合调度实体的自动提取，能够在样本较少的数据集中完成命名实体识别任务，具有较高的识别效果，极大节省了人工标记所需的人力物力与时间成本。
-
公开(公告)号：CN116610958B
公开(公告)日：2024-07-26
申请号：CN202310735109.9
申请日：2023-06-20
申请人： 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号： G06F18/214 , G06F18/24
摘要： 本发明公开一种面向无人机群水库水质检测的分布式模型训练方法及系统，在每一轮训练过程中，无人机从参数服务器接收到全局模型，对接收到的全局模型进行迭代训练，将交叉熵损失函数替换为焦点损失函数，平衡各类别样本在总损失值中的占比，降低本地模型对多数类样本的偏好性；在本地训练结束之后，无人机将模型梯度和损失值上传到参数服务器，参数服务器从接收到的模型梯度中选择主导梯度，并根据主导梯度对所有本地梯度进行修正，来缓解本地模型梯度间的冲突，最终提高水质检测模型的精度。本发明降低了中央服务器的负载，避免了模型训练时敏感数据泄露的风险，解决本地梯度在全局聚合阶段产生梯度冲突的问题，有助于更准确地识别水质问题。
-
公开(公告)号：CN118332076A
公开(公告)日：2024-07-12
申请号：CN202410345422.6
申请日：2024-03-25
申请人： 河海大学 , 华能澜沧江水电股份有限公司
发明人： 毛莺池 , 陈秉睿 , 丁玉江 , 卢俊 , 戚荣志 , 吴波 , 李玲 , 潘祯祥 , 杨先涛 , 谢文明 , 罗松 , 方超磊 , 申军成 , 杨骕騑 , 吴胜亮 , 龙海涛 , 陈文梦
IPC分类号： G06F16/332 , G06F16/35 , G06F16/9535 , G06F40/186 , G06F40/194 , G06F40/30
摘要： 本发明公开一种基于大语言模型的大坝应急响应规则问答推荐系统及其构建方法，对于用户上传的应急响应文档编码后构建相应知识库；对于用户输入进行攻击性倾向检验；对用户输入进行应急场景识别与提问关键词提取；根据应急场景与提问关键词对知识库中的应急响应规则匹配；将应急响应规则文本整合入提示词模板中并输出结果。本发明用于大坝应急响应规则问答，根据大坝应急响应知识库的相关专业领域知识与预料为大语言模型提供了相关信息，帮助模型更好地理解问题，提高回答的准确性和全面性，增强大坝应急响应规则问答系统的表现。
-
公开(公告)号：CN116778363A
公开(公告)日：2023-09-19
申请号：CN202310754204.3
申请日：2023-06-25
申请人： 河海大学 , 华能澜沧江水电股份有限公司
IPC分类号： G06V20/17 , G06V10/70 , G06N20/00 , G06Q10/0635 , G06Q50/26
摘要： 本发明公开一种基于联邦学习的低通信量库区水环境风险识别方法，通过个性化本地计算、本地更新相关性检查以及全局模型补偿技术，在保证库区水环境风险识别模型精度的前提下，同时降低上游以及下游通信频次，优化联邦学习通信效率。个性化本地计算通过向本地损失函数中引入正则项，使得本地训练能够适应不同设备能力的无人机，缓解异构数据导致的全局模型精度低等问题；检测无人机本地模型更新与全局模型更新之间的相似程度，避免无人机上传不必要的本地模型更新，降低上游通信频次；在全局模型补偿阶段，参数服务器按概率选取部分无人机下发全局模型更新，未接收到全局模型更新的无人机采用本地更新弥补与全局模型间的差距，降低下游通信频次。
-
公开(公告)号：CN116665130A
公开(公告)日：2023-08-29
申请号：CN202310670442.6
申请日：2023-06-07
申请人： 河海大学 , 华能澜沧江水电股份有限公司
摘要： 本发明公开一种基于时空图的大坝安全监测多元时间序列异常检测方法，包括：1)利用图结构对大坝安全监测多元时间序列时间和变量维度进行显式建模，构建变量特征图和时间特征图；2)采用图注意力网络并行学习时间和变量维度信息，得到更好的表征向量以捕获数据深层依赖关系；3)使用联合基于预测和基于重构模型的优化网络计算异常分数，得到大坝部位异常情况。本发明用于检测大坝安全监测数据中的异常情况，提高了大坝安全监测多元时间序列异常检测的精确率和召回率，并能对异常现象进行合理解释，辅助大坝的安全性评判。
-
-
-
-
-
-
-
-
-
搜索结果
304 条记录 (耗时 0.194 秒)
