-
公开(公告)号：CN119438626A
公开(公告)日：2025-02-14
申请号：CN202411518421.3
申请日：2024-10-29
Applicant: 中国长江电力股份有限公司 , 河海大学
Abstract: 本发明涉及河段流场分布技术领域，具体涉及河段流场分布确定方法及无人机设备。基于定位组件获取无人机设备的位置信息；获取超声波雷达组件发送连续波信号以及接收到的连续波信号对应的反射波信号；基于连续波信号以及反射波信号，确定位置信息对应的预设河段中预设位置的表面流速；获取激光雷达组件发射的激光雷达信号以及接收到激光雷达信号对应的目标反射雷达信号；根据激光雷达信号以及目标反射雷达信号，确定位置信息对应的预设河段中预设位置的计算河床地形；基于各预设位置对应的表面流速和计算河床地形，确定预设河段对应的三维流场分布。人力成本较低，且效率较高，不需要人为测量预设河段中各个位置对应的水流速度、水位等数据。
-
公开(公告)号：CN106249598A
公开(公告)日：2016-12-21
申请号：CN201610848983.3
申请日：2016-09-26
Applicant: 河海大学
IPC: G05B13/04
CPC classification number: Y02P80/10 , Y02P80/11 , G05B13/042
Abstract: 本发明提供了一种基于多代理的工业大用户能效优化控制方法，将工业大用户的用电负荷分类为生产用电系统、照明用电系统以及空调用电系统，在定义了各用电系统能效的基础之上，设计了工业大用户用电系统MAS框架，并构建了工业大用户用电系统Agent模型、用电系统控制Agent模型和用电系统中央协调控制Agent模型，以工业大用户整体能效最优为目标研究了工业大用户用电优化方案。算例分析以某一工业大用户为例，验证了本发明所提出的用电优化方案的有效性，可以在保证用户用电体验的条件下，减少用户用电成本，提高企业的生存竞争力。
-
公开(公告)号：CN102622607B
公开(公告)日：2013-09-25
申请号：CN201210043064.0
申请日：2012-02-24
Applicant: 河海大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于多特征融合的遥感图像分类方法，包括以下步骤：步骤A、分别提取训练集遥感图像的视觉词袋特征、颜色直方图特征和纹理特征；步骤B、分别利用训练集遥感图像的视觉词袋特征、颜色直方图特征和纹理特征进行支持向量机训练，得到三个不同的支持向量机分类器；步骤C、对于未知的测试样本，分别提取其视觉词袋特征、颜色直方图特征和纹理特征，并利用步骤B中所得到的相应的支持向量机分类器进行类别预测，得到三组类别预测结果，然后采用加权综合法对三组类别预测结果进行综合，从而得到最终的分类结果。本发明进一步采用改进的词袋模型进行视觉词袋特征提取。相比现有技术，本发明可以获得更精确的分类结果。
-
公开(公告)号：CN118709136B
公开(公告)日：2024-12-17
申请号：CN202410813137.2
申请日：2024-06-24
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06F18/25 , G06Q10/04 , G06Q50/06 , G06N3/08 , G06F18/214 , G06F18/213 , G06F18/21 , G06F17/10 , G06N5/01 , G06N20/10
Abstract: 本发明涉及数据处理领域，具体涉及一种水文水质在线监测信息融合方法。获取预设区域内流域监测设备发送的当前水文水质监测数据；基于目标数据校正模型对当前水文水质监测数据进行数据校正，得到目标水文水质监测数据；基于目标水文水质监测数据，对预设区域内的流域进行预警，保证了对预设区域内的流域进行预警的准确性。解决了自然环境中的传感器容易受到恶劣天气、生物污染、水体杂质等因素干扰，不易维护和校准，采集的数据通常存在误差的问题。解决了如何保证监测设备监测得到的数据准确，并基于准确的监测数据对流域进行监测的问题。
-
公开(公告)号：CN117557936A
公开(公告)日：2024-02-13
申请号：CN202311505226.2
申请日：2023-11-13
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06V20/40 , G06V10/25 , G06V10/82 , G06F40/216 , G06F40/284 , G06F16/29 , G06Q50/26
Abstract: 本发明公开了一种基于舆情短视频大数据和YOLOv5算法的洪涝积水深估计方法。在自媒体短视频平台获取与目标灾情相关的视频数据；对收集到的数据进行预处理；使用自然语言处理(NLP)技术进行文本数据处理分析；选取YOLOv5(You Only Look Once version 5)算法用于城市洪涝积水参照物模型的训练；由物体与物体、物体与水面之间真实高度差与像素高度差的关系计算积水深；将估计得到的积水深度数据与相关的定位和发布时间数据进行关联，建立时空数据集，进行时空数据可视化，推演时空演化趋势。本发明通过短视频大数据和YOLOv5算法实现了低成本、快速检测、高准确性的城市洪涝积水深自动估计，从而进行灾情的定量分析研判。
-
Patent Agency Ranking
公开(公告)号：CN106838406A
公开(公告)日：2017-06-13
申请号：CN201710235477.1
申请日：2017-04-12
Applicant: 河海大学
Abstract: 本发明公开了一种带铰链的单向流动截流阀，包括进水装置，储水装置，阀体，铰链，当储水装置内水位超过阀体时，阀体在浮力的作用下绕铰链由竖直方向旋转至水平方向封闭进水装置的出水口，使得水流不再流向储水管道，进水装置内的多余水流通过缺口流出进水装置。本发明利用阀门的自身浮力来完成水流的截止任务，节能环保，使用方便。
-
公开(公告)号：CN117421628A
公开(公告)日：2024-01-19
申请号：CN202311320247.7
申请日：2023-10-11
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06F18/24 , G06F18/2431 , G06N3/0464 , G06F30/25
Abstract: 本发明公开了一种基于多尺度排列熵的微波链路识别降水粒子方法，获取多环境微波链路衰减数据并根据所属降水粒子类型进行划分；多尺度粗粒化衰减信号数据，对结果序列重构和概率计算后进行多尺度排列熵计算；计算每段衰减信号时间序列的平均衰减率，构建平均衰减率‑尺度‑排列熵三维数据集；统一数据大小，划分训练集和测试集并训练构建好的2D‑CNN网络；输入微波链路数据，利用多尺度排列熵与训练好的网络模型识别降水粒子。本发明通过多尺度排列熵和微波链路数据能够对微波信号时间序列进行多尺度粗粒化并衡量其复杂性和随机性，结合链路平均衰减率构建三维数据集，利用训练好的2D卷积神经网络实现快速降水粒子识别。
-
公开(公告)号：CN107061846A
公开(公告)日：2017-08-18
申请号：CN201710235460.6
申请日：2017-04-12
Applicant: 河海大学
IPC: F16K31/20
CPC classification number: F16K31/20
Abstract: 本发明公开了一种利用自身浮力的单向流动截流阀，包括进水装置，储水装置和阀门，进水装置出口位于储水装置的内腔，管道在进水装置出口向下折弯一段，构成折弯部，折弯部与阀门连接，当阀门的阀体在储水装置中水的浮力作用下，上浮并与折弯部相啮合时，将截断进水装置出口处的水流，此时进水装置中的多余水通过缺口流出；当水位下降至阀体以下时，阀体将下落直至阀门底座处，从而实现进水装置内的水流再次流入储水装置。本发明利用阀门的自身浮力来完成水流的截止任务，节能环保，使用方便。
-
公开(公告)号：CN118709136A
公开(公告)日：2024-09-27
申请号：CN202410813137.2
申请日：2024-06-24
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06F18/25 , G06Q10/04 , G06Q50/06 , G06N3/08 , G06F18/214 , G06F18/213 , G06F18/21 , G06F17/10 , G06N5/01 , G06N20/10
Abstract: 本发明涉及数据处理领域，具体涉及一种水文水质在线监测信息融合方法。获取预设区域内流域监测设备发送的当前水文水质监测数据；基于目标数据校正模型对当前水文水质监测数据进行数据校正，得到目标水文水质监测数据；基于目标水文水质监测数据，对预设区域内的流域进行预警，保证了对预设区域内的流域进行预警的准确性。解决了自然环境中的传感器容易受到恶劣天气、生物污染、水体杂质等因素干扰，不易维护和校准，采集的数据通常存在误差的问题。解决了如何保证监测设备监测得到的数据准确，并基于准确的监测数据对流域进行监测的问题。
-
公开(公告)号：CN118445619A
公开(公告)日：2024-08-06
申请号：CN202410581223.5
申请日：2024-05-11
Applicant: 中国长江电力股份有限公司 , 河海大学
IPC: G06F18/214 , G06F18/213 , G06N3/044 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于手机信号反演的时序降雨数据处理方法，具体涉及基于深度学习的手机信号反演降雨方法，包括以下步骤：获取历史监测数据的信号与雨量样本，并划分为训练集和验证集；构建循环神经网络模型；选取滑动窗口内的平方差特征值作为降雨信息反演的目标函数，确定所述循环神经网络模型的拟合程度；对所述平方差特征值目标进行优化计算；用所述训练集和所述验证集对所述循环神经网络模型进行训练，获取输入信号，并将所述输入数据输入至基于深度学习的时序降雨数据反演模型，得到预报结果。本发明提升了传统理论方法反演降雨的时空分辨率与预报精准度，对进一步提升“通‑感‑算”数字孪生流域建设具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.04 seconds)
