-
公开(公告)号：CN116486278A
公开(公告)日：2023-07-25
申请号：CN202310447628.5
申请日：2023-04-24
申请人： 河南大学
IPC分类号： G06V20/13 , G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G01N33/00
摘要： 本发明涉及大气环境技术领域，具体涉及一种基于时空信息镶嵌的小时级臭氧估算方法，该方法包括：获取环境检测数据构成臭氧浓度监测数据集，将环境检测数据进行图像转化得到环境监测数据图像；利用三次差值的方法对环境监测数据图像进行分辨率重采样处理得到优选环境图像；对优选环境图像进行分割得到环境数据子图像，将环境数据子图像的每行数据转化为环境行向量，每列数量转化为环境列向量，进而获得空间信息矩阵；将臭氧浓度监测数据集中所有环境检测数据对应的环境监测数据图像和对应的空间信息矩阵构成臭氧估算数据集；将臭氧估算数据集输入预先构建的臭氧估算模型得到臭氧估算结果数据。本发明能够获得较为准确的臭氧估算结果。
-
公开(公告)号：CN112884079A
公开(公告)日：2021-06-01
申请号：CN202110338272.2
申请日：2021-03-30
申请人： 河南大学
摘要： 本发明属于遥感数据应用技术技术领域，涉及一种基于Stacking集成模型的近地面二氧化氮浓度估算方法，包括以下步骤：获取监测站点实际NO2浓度数据、气象监测数据、地理数据和人口数据；获取NO2对流层柱浓度卫星遥感数据并进行验证；数据清理，采用网格化方式对监测站点实际NO2浓度数据和NO2对流层柱浓度卫星遥感数据进行求均并与气象监测数据匹配，构建NO2数据集；基于NO2数据集进行建模，采用GA‑RF、GA‑GBRT和GA‑XGBoost三种模型作为基学习器，岭回归作为元学习器进行融合得到Stacking集成模型；利用Stacking集成模型对近地面NO2浓度进行模拟估算，得到近地面NO2浓度。本发明通过多种机器学习算法的结合，克服单个模型的缺陷，优化线性回归的输入，提升模型整体性能。
-
公开(公告)号：CN114662389A
公开(公告)日：2022-06-24
申请号：CN202210282721.0
申请日：2022-03-22
申请人： 河南大学
摘要： 本发明的一种面向空气污染物的自相关误差Informer模型长时序预测方法及系统，该方法包括：基于自相关误差对Informer模型进行改进，得到AE‑Informer模型；收集各站点的小时空气污染物数据并进行预处理，包括：缺失值补缺，统一编码；对AE‑Informer模型进行超参数的调节；基于处理后的各站点的小时空气污染物数据，采用近似求导反向误差传播算法训练AE‑Informer模型；对实时收集的各站点小时空气污染物数据进行预处理，之后输入训练好的AE‑Informer模型中，进行空气污染物的长时序预测。本发明在空气污染物浓度长时序预测方面取得了较高的预测精度。
-
公开(公告)号：CN112231983A
公开(公告)日：2021-01-15
申请号：CN202011146347.9
申请日：2020-10-23
申请人： 河南大学
摘要： 本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO2、O3、SO2和NH3等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签Cp，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。
-
公开(公告)号：CN118468039A
公开(公告)日：2024-08-09
申请号：CN202410724474.4
申请日：2024-06-05
申请人： 河南大学
IPC分类号： G06F18/214 , G06F18/24 , G06F18/243 , G06F18/25 , G06N5/01 , G06N20/00
摘要： 本发明涉及黑碳气溶胶浓度估算技术领域，具体涉及基于多源数据可解释性黑碳气溶胶浓度估算方法。获取多源数据，对多源数据进行预处理，得到数据集；其中，所述数据集包括训练集、验证集和测试集；对多个基础机器学习模型分别基于数据集进行超参数优化，将训练集中效果最佳的参数组合作为模型最佳超参数组合；使用四种基础机器学习模型生成新的输入特征数据集，用于训练下个阶段的学习器；使用四个元模型结合原始数据集与新的输入特征数据集来估计BC浓度。该方法在拟合效果上，使用集成模型的效果更好。
-
-
公开(公告)号：CN117824684A
公开(公告)日：2024-04-05
申请号：CN202311581067.4
申请日：2023-11-24
申请人： 河南大学
IPC分类号： G01C21/34
摘要： 本发明公开一种支持不同充电策略的电动车辆路径规划方法，包括：使用扫描算法生成初始解；考虑车辆固定成本、距离成本、能耗成本和顾客时间窗惩罚，构建了综合的目标函数；通过伪随机状态转移规则和最优充电站插入准则引导每只蚂蚁的搜索；对在阈值范围的迭代最优蚂蚁进行局部搜索，利用变邻域下降算法进一步优化迭代最优蚂蚁；利用充电站调整策略寻找更好的充电方案并更新迭代最优蚂蚁；更新全局最优解；动态选择全局最优解或迭代最优解更新信息素矩阵；利用全局最优解更新信息素最大最小值；最后，迭代结束后，输出规划好的路径。该方法能有效地实现完全充电策略和部分充电策略下车辆路径规划，从而降低运营成本。
-
公开(公告)号：CN112231983B
公开(公告)日：2024-02-02
申请号：CN202011146347.9
申请日：2020-10-23
申请人： 河南大学
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/08 , G06V20/13 , G06V10/764 , G06V10/82
摘要： 本发明提供一种面向遥感时空大数据的污染前体物排放源(ESPP)的类脑跨模态识别及其并行类脑智能处理方法。具体包括：基于卫星遥感反演分别反演NO2、O3、SO2和NH3等大气污染痕量气体的对流层柱浓度，同时计算近地面的PM2.5浓度；根据卫星遥感反演结果、高光谱图像和合成孔径雷达图像及ESPP的目标语义标签Cp，基于脑启发计算进行训练，建立面向ESPP的跨模态神经认知计算模型；基于深度学习提取遥感时空大数据中的跨模态、多层次和多尺度的ESPP特征；基于概率认知框架的面向对象的遥感跨模态ESPP表示和推理方法，对ESPP特征进行多尺度的主题聚类、跨模态的ESPP认知处理和ESPP识别的增量学习。本发明可有效地实现基于类脑计算的ESPP识别，为大气污染溯源提供系统的解决方案。
-
公开(公告)号：CN114662389B
公开(公告)日：2023-02-03
申请号：CN202210282721.0
申请日：2022-03-22
申请人： 河南大学
IPC分类号： G06F30/27 , G06N3/0464 , G06N3/084
摘要： 本发明的一种面向空气污染物的自相关误差Informer模型长时序预测方法及系统，该方法包括：基于自相关误差对Informer模型进行改进，得到AE‑Informer模型；收集各站点的小时空气污染物数据并进行预处理，包括：缺失值补缺，统一编码；对AE‑Informer模型进行超参数的调节；基于处理后的各站点的小时空气污染物数据，采用近似求导反向误差传播算法训练AE‑Informer模型；对实时收集的各站点小时空气污染物数据进行预处理，之后输入训练好的AE‑Informer模型中，进行空气污染物的长时序预测。本发明在空气污染物浓度长时序预测方面取得了较高的预测精度。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.02 秒)
