-
公开(公告)号:CN119862998A
公开(公告)日:2025-04-22
申请号:CN202510067545.2
申请日:2025-01-16
Applicant: 东南大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/21 , G06N3/042 , G06N3/0464 , G06N3/045 , G06F18/23213 , G06F18/22 , G06N20/20
Abstract: 本发明公开了一种基于图和序列分解技术包含虚拟站点的集成水位预测方法,包括:对水位监测站点数据进行预处理,并划分为训练集和测试集;构建图和序列分解模块(GSD),并采用训练集和测试集训练图和序列分解模块GSD;构建虚拟站点水位预测模块(VS‑WLP),并采用训练集和测试集训练虚拟站点水位预测模块VS‑WLP;基于训练好的图和序列分解模块GSD和虚拟站点水位预测模块VS‑WLP,实现水位预测;基于训练好的江湖水位预测模型采用层次集成化方法,实现集成水位预测。本发明有效提高预测模型的鲁棒性和适用性。创新性的水位预测模块可用于无监测站区域的水位估算,弥补传统水文监测系统在空间分布上的不足。
-
公开(公告)号:CN119599225A
公开(公告)日:2025-03-11
申请号:CN202411481829.8
申请日:2024-10-22
Applicant: 银江技术股份有限公司 , 东南大学
IPC: G06Q10/047 , G06Q50/14 , G06N3/0464 , G06N3/0455 , G06N3/042 , G06N3/092 , G06N3/094 , G06F18/214
Abstract: 本申请涉及一种起讫点路线推断及旅行时间估算方法,通过结合主动学习机制的对抗性逆强化网络,可以在尽可能减少数据标注量的前提下,推断生成结合用户偏好的起讫点间个性化行驶路线;进一步地,通过AdaBoost算法将融合图卷积网络和Transformer网络的多个弱学习器集成,图卷积网络可以获取交通网络的高维时空特征,从而辅助Transformer网络更好的捕获个性化行驶路线对应的长短期依赖关系;结合多个弱学习器的学习结果,得到更丰富全面的个性化行驶路线的时序特征表示,最后,利用该时序特征表示得到路线对应的旅行时间,实现准确的起讫点旅行时间估计。
-