-
公开(公告)号：CN119324447A
公开(公告)日：2025-01-17
申请号：CN202411250258.7
申请日：2024-09-06
Applicant: 三峡大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/213 , G06F18/2131 , G06N3/006 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明公布了基于VMD算法与改进TimesNet的电力负荷预测方法，对采集的电力负荷数据进行归一化处理后，利用VMD算法分解成不同频率的模态分量，将包络熵作为MPA算法的目标函数函数，利用MPA优化算法对模态分量的分解数和惩罚因子进行寻优后得到优化后的模态分量，并输入到改进的TimesNet模型训练后，得到的各模态分量预测结果相加得到电力负荷预测结果。本发明考虑虑电力负荷数据的非线性、非平稳性以及周期性特点，利用改进后的TimesNet网络基于负荷数据的多周期性建模，将一维时间序列扩展到二维空间中，充分提取其周期内和周期间特征，准确地对电力负荷进行预测。
-
公开(公告)号：CN115113269B
公开(公告)日：2024-07-05
申请号：CN202210626537.3
申请日：2022-06-04
Applicant: 三峡大学
Abstract: 一种基于UGATIT联合PSPNet的微地震有效信号的初至拾取方法，步骤为：对地下开采活动进行观测，获得真实微地震有效信号；利用有限差分波动方程正演方法生成正演模拟信号；得到的真实微地震信号和正演模拟信号制作成原始数据集，利用UGATIT网络实现“模拟信号‑真实信号”的转换，生成大量真实微地震有效信号数据；将正演模拟信号大量转换为真实微地震信号，选择具有价值的信号进行标注，并将其制成训练集，完成对训练集的扩充；利用扩容后的训练集对改进后的PSPNet网络进行训练；将待测微地震有效信号输入已训练的PSPNet网络，输出预测的概率时间序列，概率最大处时间即为初至时间，拾取微地震有效信号的初至。本发明极大地提高微地震有效信号初至拾取的效率与精度。
-
-
公开(公告)号：CN119009955A
公开(公告)日：2024-11-22
申请号：CN202411027655.8
申请日：2024-07-30
Applicant: 三峡大学
IPC: H02J3/00 , G06Q10/04 , G06Q50/06 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/08
Abstract: 一种基于MIDCN的电力负荷预测方法，包括以下步骤：步骤一：采集电力负荷历史数据，对采集到的电力负荷数据进行数据清洗，然后对数据进行归一化处理，将归一化后的数据划分为训练集和测试集；步骤二：构建基于多尺度等距扩张卷积网络模型MIDCN；步骤三：将训练集数据输入到基于多尺度等距扩张卷积网络模型MIDCN中对模型进行训练，得到训练好的基于多尺度等距扩张卷积网络模型MIDCN；步骤四：将电力负荷数据输入到训练好的基于多尺度等距扩张卷积网络模型MIDCN中，得到电力负荷预测的结果。
-
公开(公告)号：CN114218982B
公开(公告)日：2024-07-09
申请号：CN202111425452.0
申请日：2021-11-26
Applicant: 三峡大学
IPC: G06F18/10 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 基于改进WGAN网络和CBDNet的微地震记录去噪方法，包括以下步骤：采集微地震数据；利用有限差分波动方程正演方法生成不同主频、不同地层速度模型下的正演模拟信号；对得到的正演模拟信号设置不同信噪比，构建噪音样本，然后将以噪音样本、干净样本为标签类别，制作成原始训练集；将制成的原始训练，利用改进WGAN网络对抗生成大量样本，完成训练集样本扩充；利用扩充之后的训练集样本，对CBDNet进行训练；将待去噪的地震数据输入已训练的CBDNet，输出去噪后的微地震数据。本发明一种基于改进WGAN网络和CBDNet的微地震记录去噪方法，与传统微地震去噪方案相比，极大地提高了微地震剖面去噪的效率与精度。
-
Patent Agency Ranking
公开(公告)号：CN119547774A
公开(公告)日：2025-03-04
申请号：CN202411851312.3
申请日：2024-12-16
Applicant: 三峡大学
IPC: A01M17/00 , E02B1/00 , E02B3/16 , G06N3/0464 , G06F18/24
Abstract: 本发明属于堤坝蚁巢探测与白蚁综合防治技术领域，提供了一种堤坝白蚁穴定位、白蚁消杀与蚁穴封堵成套方法，包括：C‑Scan剖面获取、深度卷积神经网络反演、人工智能神经网络判别、钻孔位置选定、钻探、视频流信号采集、视频流信号分析、白蚁给药消杀、水泥黏土砂浆制备以及蚁巢灌浆。本发明通过C‑Scan剖面获取、深度卷积神经网络反演、人工智能神经网络判别以及钻孔位置选定，提升了蚁巢探测与识别的精度与效率；通过控制监测平台及加热挥发型药剂胶囊，避免了液体药物渗透或其他方法对周围土壤环境的损伤，实现了白蚁巢穴整体空间展布的有效消杀；通过向硅酸盐超细水泥中掺入玻璃微珠和钙矾石，实现了堤坝蚁巢灌浆的高效封堵。
-
公开(公告)号：CN114637045B
公开(公告)日：2024-12-10
申请号：CN202210181956.0
申请日：2022-02-25
Applicant: 三峡大学
Abstract: 本发明公开了一种基于UNet++联合Clique Block的微地震P波初至拾取的方法，该方法针对现有微地震初至拾取技术难以高效、准确地拾取海量微地震P波初至的不足的缺陷，利用UNet++联合Clique Block构建全新网络MSPicking‑Net，进一步增强了低信噪比微地震信号信噪可辨，并且提高了微地震初至拾取的精度。
-
公开(公告)号：CN117786314A
公开(公告)日：2024-03-29
申请号：CN202311669396.4
申请日：2023-12-05
Applicant: 三峡大学
IPC: G06F18/10 , G06F18/214 , G06F18/21 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于MS‑ICC的混凝土大坝微破裂信号的去噪和初至拾取算法，包括：步骤一：将少量有标签数据和大量无标签数据作为样本集s输入到FreeMatch网络中，利用FreeMatch进行半监督训练，得到大量有标签数据S；步骤二：将有标签数据S输入到模型中，利用Blind2UnBlind进行去噪处理，得到已去噪的标签数据集X；步骤三：将已去噪的标签数据集X转换为训练样本集和测试样本集，把训练样本集输入到Lite‑Mono模型中，得到训练好的模型；步骤四：将待初至拾取的微震信号数据输入到已训练好的模型中，得到初至拾取信号；本发明可以在小样本的情境下，获取伪标签并进行去噪处理，更高效精准的完成初至拾取，将极大提高微破裂监测的初至拾取工作。
-
公开(公告)号：CN117574060A
公开(公告)日：2024-02-20
申请号：CN202311642649.9
申请日：2023-11-30
Applicant: 中国长江电力股份有限公司 , 三峡大学
IPC: G06F18/10 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/094
Abstract: 本发明公开一种混凝土大坝微破裂信号智能去噪算法，包括：步骤一：利用干净的模拟信号与真实信号构成原始数据集S∈{s1，s2，...sn}，然后对其进行小波分解，将原数据转换到小波域，得到分解之后的数据集x∈{x0,x1,x2,...xn}并将其输入到Wavelet Diffusion Models网络中，生成大量小波域训练样本集，再将小波域样本集逆变换到原始信号域，完成对小样本数据集扩容，得到扩容后的数据集X∈{X1,X2,...Xn}；步骤二：对扩容后的数据集输入MS‑denoising Net，完成训练，最终利用残差学习模块输出去噪信号；本发明解决了传统去噪算法效率低下、精度不高的问题，精确高效地实现混凝土大坝微破裂信号增强。
-
公开(公告)号：CN116258247A
公开(公告)日：2023-06-13
申请号：CN202211675957.7
申请日：2022-12-26
Applicant: 三峡大学 , 国网湖北省电力有限公司宜昌供电公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/08 , G06N3/0464
Abstract: 一种基于SAINet神经网络模型的电力负荷预测方法，它包括以下步骤：步骤一：获取电力负荷历史因素及电力负荷气象因素；步骤二：获取电力负荷数据集；步骤三：获取电力负荷训练数据集、电力负荷测试数据集；步骤四：训练并获取经过训练的SAINet神经网络模型；步骤五：利用已训练的SAINet神经网络模型进行电力负荷的预测，并输出电力负荷预测值。本发明的目的是为了进一步提高电力负荷预测的准确率，而提供的一种基于SAINet神经网络模型的电力负荷预测方法。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.024 seconds)
