-
公开(公告)号：CN117316334B
公开(公告)日：2024-03-12
申请号：CN202311619187.9
申请日：2023-11-30
Applicant: 南京邮电大学 , 苏州自来水表业有限公司
IPC: G16C20/70 , G16C20/10 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F18/15 , G06F18/2433
Abstract: 本发明公开了一种水厂混凝剂用量预测方法及系统，包括以下步骤，步骤1：从水厂数据库中提取原水水质和过程变量在设定期限内的历史运行数据；步骤2：采用门控循环单元自编码器GRU‑AE对历史运行数据进行异常数据检测与替换；步骤3：采用带局部注意力机制的门控循环单元网络LA‑GRU架构，构建混凝剂用量预测模型；步骤4：利用弹性权重整合EWC算法对混凝剂用量预测模型进行增量深度学习；步骤5：将步骤2得到的历史运行数据输入到基于增量深度学习的混凝剂用量预测模型中，得到水厂混凝剂用量。与现有方法相比，本发明的方法可有效提高混凝剂投加控制精度。
-
公开(公告)号：CN111718028A
公开(公告)日：2020-09-29
申请号：CN202010594098.3
申请日：2020-06-24
Applicant: 南京邮电大学
Abstract: 本发明提供了一种基于大数据分析的净水厂混凝剂投加智能化建模方法。在对原水水质、混凝剂投加量和沉淀池出水浊度历史大数据分析的基础上，针对原水水质周期性季节变化和非周期性动态变化的特点，分别构建对应水质条件下的混凝剂投加量长、短期模型；在实际运行控制中，根据当前时刻沉淀池出水浊度控制效果，在线调整长、短期模型的权值；加权计算长、短期模型输出，得到当前水质条件下的混凝剂投加量模型预测输出，在线调控混凝剂投加量。本发明采用大数据分析方法，智能化实时调控混凝剂投加量，有效提高具有复杂非线性、大滞后特性的混凝工艺处理效果，稳定和提高饮用水水质，保障饮水安全。
-
公开(公告)号：CN108415056A
公开(公告)日：2018-08-17
申请号：CN201810062480.2
申请日：2018-01-23
Applicant: 南京邮电大学
IPC: G01S19/49
CPC classification number: G01S19/49
Abstract: 本发明公开了一种基于OMAP-L138处理器的组合导航系统，包括处理器模块、卫星导航信号接收机模块、导航辅助模块、通信模块、电源模块，其中处理器模块为该系统的总控制模块，卫星导航信号接收模块包含一个NV08C-CSM接收机和外部天线射频电路，导航辅助模块包括惯性组件MPU9150和气压计MS5611，通信模块是一路UART转RS232模块，电源模块为平台提供了+5V和+3.3V电平，本发明通过利用ARM+DSP组合，ARM主要用来实现对整个系统的控制和数据采集包括NV08C-CSM接收机的卫星导航数据，以及惯性组件MPU9150和气压计MS5611的数据，DSP主要运算复杂度比较高的导航算法。本发明能满足组合导航信息处理中对于运算能力、数据精度、同步性、运算实时性和数据共享等要求。
-
公开(公告)号：CN108196276A
公开(公告)日：2018-06-22
申请号：CN201810029654.5
申请日：2018-01-12
Applicant: 南京邮电大学
IPC: G01S19/37
CPC classification number: G01S19/37
Abstract: 本发明公开了一种基于NV08C-CSM的多天线卫星导航系统，包括处理器模块、卫星导航数据接收模块、启动模块、通信模块、电源模块，其中处理器模块为该系统的核心模块，卫星导航数据接收模块包括四个NV08C-CSM接收机和外部天线射频电路，启动模块包括从TF卡启动和从NandFlash启动，通信模块包括I2C转UART模块和UART转RS422模块，电源模块为平台提供了+5V和+3.3V电平，本发明移植了实时性较好的Linux实时操作系统，能满足导航信息处理中对于运算能力、数据精度、可扩展性、运算实时性和数据共享等要求。
-
公开(公告)号：CN118134698B
公开(公告)日：2024-08-16
申请号：CN202410561198.4
申请日：2024-05-08
Applicant: 南京邮电大学
IPC: G06Q50/06 , G06Q10/0631 , G06Q10/04 , G06F30/27 , G06F30/28 , G06N3/086 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于物理信息神经网络的水厂泵组调度方法及系统，方法包括以下步骤：（1）在蓄水池液位、总管压强差、水泵切换次数合理范围内，考虑变频泵频率变化，建立水厂浑水泵组能耗最小的目标函数；（2）建立流体力学和水泵特性的物理方程；（3）利用历史运行数据和物理信息神经网络构建水厂泵组调度环境模型；（4）基于调度环境模型和霜冰优化算法进行训练；（5）将训练得到的调度策略部署到实际系统中。本发明的方法提高了神经网络模型对水处理过程的理解和预测能力。
-
Patent Agency Ranking
公开(公告)号：CN118134698A
公开(公告)日：2024-06-04
申请号：CN202410561198.4
申请日：2024-05-08
Applicant: 南京邮电大学
IPC: G06Q50/06 , G06Q10/0631 , G06Q10/04 , G06F30/27 , G06F30/28 , G06N3/086 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于物理信息神经网络的水厂泵组调度方法及系统，方法包括以下步骤：（1）在蓄水池液位、总管压强差、水泵切换次数合理范围内，考虑变频泵频率变化，建立水厂浑水泵组能耗最小的目标函数；（2）建立流体力学和水泵特性的物理方程；（3）利用历史运行数据和物理信息神经网络构建水厂泵组调度环境模型；（4）基于调度环境模型和霜冰优化算法进行训练；（5）将训练得到的调度策略部署到实际系统中。本发明的方法提高了神经网络模型对水处理过程的理解和预测能力。
-
公开(公告)号：CN117316334A
公开(公告)日：2023-12-29
申请号：CN202311619187.9
申请日：2023-11-30
Applicant: 南京邮电大学 , 苏州自来水表业有限公司
IPC: G16C20/70 , G16C20/10 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F18/15 , G06F18/2433
Abstract: 本发明公开了一种水厂混凝剂用量预测方法及系统，包括以下步骤，步骤1：从水厂数据库中提取原水水质和过程变量在设定期限内的历史运行数据；步骤2：采用门控循环单元自编码器GRU‑AE对历史运行数据进行异常数据检测与替换；步骤3：采用带局部注意力机制的门控循环单元网络LA‑GRU架构，构建混凝剂用量预测模型；步骤4：利用弹性权重整合EWC算法对混凝剂用量预测模型进行增量深度学习；步骤5：将步骤2得到的历史运行数据输入到基于增量深度学习的混凝剂用量预测模型中，得到水厂混凝剂用量。与现有方法相比，本发明的方法可有效提高混凝剂投加控制精度。
-
公开(公告)号：CN115544899B
公开(公告)日：2023-04-07
申请号：CN202211475230.4
申请日：2022-11-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于多智能体深度强化学习的水厂取水泵站节能调度方法，包括以下步骤：（1）在维持蓄水池液位、总管压强差、水泵切换次数在安全范围的前提下，将水厂取水泵站总能耗最小化问题建模为马尔可夫博弈，并设计相应的环境状态、行为、以及奖励函数；（2）利用历史运行数据和长短期记忆网络构建取水泵站调度环境模型；（3）基于调度环境模型和多智能体行动者‑注意力‑评论家强化学习算法对深度强化学习智能体进行训练；（4）将训练得到的智能体策略部署到实际系统中。与现有方法相比，本发明提出的方法具有更强的系统安全维护能力、节能潜力（高达12.8%）以及通用性。
-
公开(公告)号：CN114624411A
公开(公告)日：2022-06-14
申请号：CN202210400969.2
申请日：2022-04-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种水源地取水口附近水域的水质预警方法，通过结合各项因素对水源地水质的影响，按等距选取时间，得到不同的监测点和检测时间；采取关联方法输入对应时间和空间上水质监测点水质各指标的数据，形成水质监测点水质信息数据库并实时进行更新；根据数据库中数据建立高斯过程回归模型用来对监测点各项水质指标的历史测量值进行数据分析，同时用主成分分析法建立一项综合指标来预警以监测点为中心的一定区域内近期的水质，并且在空间上采用克里金法对预测区域进行预测值计算；当水质各项指标在正常范围内且与阈值存在一定差距时则不发出预警，或当存在基础指标超出阈值或有多项基础指标临近阈值时都会使综合指标超出阈值并发出预警。
-
公开(公告)号：CN114595900A
公开(公告)日：2022-06-07
申请号：CN202210400968.8
申请日：2022-04-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种水源地水质时空数据预测方法，属于水体水质分析领域，通过录入各项水源地水质的已知指标和监测点数据，形成原始的水源地水质时空数据信息库；在空间上，根据水源地水质时空数据信息库中各监测点坐标(位置)关系，利用克里金法，建立水源地水质空间预测模型，用来得到所需预测点与已知各监测点的权重，根据其权重计算所需预测点各指标的历史数据值；在时间上，根据空间预测出的预测点历史指标值以及已有的监测点历史数据，建立水源地水质时间预测模型，其是用长短期记忆模型进行建模，并利用卷积神经网络进行数据处理，提高预测精准度，最后得到所需预测点各项指标的下一阶段预测值的预测。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.024 seconds)
