-
公开(公告)号：CN116861785A
公开(公告)日：2023-10-10
申请号：CN202310831413.3
申请日：2023-07-06
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 昆明理工大学
IPC分类号： G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/048 , G06F16/36
摘要： 本发明涉及混凝土坝结构监测技术领域，尤其是指一种基于知识图谱的混凝土坝关键部位分区方法、装置及存储介质。本发明所述的基于知识图谱的混凝土坝关键部位分区方法，选取特殊工况作为混凝土坝运行安全知识图谱的输入用户项，初步选定混凝土坝性态关注结构部位，然后通过特殊工况驱动混凝土坝运行安全知识图谱，激活受潜在受影响的结构部位，计算各结构部位在该特殊工况下的权重分值，进一步量化结构部位的关注程度，进而确定混凝土坝性态的关注关键部位，提升了划分精度。
-
公开(公告)号：CN116861785B
公开(公告)日：2024-08-27
申请号：CN202310831413.3
申请日：2023-07-06
申请人： 河海大学 , 华能澜沧江水电股份有限公司 , 昆明理工大学
IPC分类号： G06F30/27 , G06N3/042 , G06N3/0442 , G06N3/048 , G06F16/36
摘要： 本发明涉及混凝土坝结构监测技术领域，尤其是指一种基于知识图谱的混凝土坝关键部位分区方法、装置及存储介质。本发明所述的基于知识图谱的混凝土坝关键部位分区方法，选取特殊工况作为混凝土坝运行安全知识图谱的输入用户项，初步选定混凝土坝性态关注结构部位，然后通过特殊工况驱动混凝土坝运行安全知识图谱，激活受潜在受影响的结构部位，计算各结构部位在该特殊工况下的权重分值，进一步量化结构部位的关注程度，进而确定混凝土坝性态的关注关键部位，提升了划分精度。
-
公开(公告)号：CN116794652A
公开(公告)日：2023-09-22
申请号：CN202310684142.3
申请日：2023-06-11
申请人： 昆明理工大学
摘要： 本发明公开了一种基于CNN‑ConvLSTM模型的星载GNSS‑R全球海洋涌浪高反演方法，包括以下步骤：获取星载GNSS‑R观测数据、ERA5再分析数据(涌浪高)、IMERG降雨数据和WaveWatchIII涌浪高数据；从星载GNSS‑R数据中提取特征观测值、辅助参数和对所有数据集进行时空匹配；数据质量控制和数据划分；涌浪高反演的CNN‑ConvLSTM模型构建和训练；将测试数据集输入到训练后的CNN‑ConvLSTM模型中，得到反演涌浪高值，并对结果进行评估。采用本发明的技术方案，CNN‑ConvLSTM模型可以在全球范围内表现出高精度和高分辨率海洋涌浪高反演的能力，有助于提供星载GNSS‑R观测海洋涌浪高的高效处理，为星载GNSS‑R海洋涌浪高反演提供了新的参考方法。
-
公开(公告)号：CN115565076A
公开(公告)日：2023-01-03
申请号：CN202211185522.4
申请日：2022-09-27
申请人： 昆明理工大学
IPC分类号： G06V20/13 , G06V10/774 , G06Q10/06
摘要： 本发明公开了基于多场景及多准则的遥感影像阴影指数性能评估方法，以评估不同阴影指数在城市和山地两种场景中的性能。该方法包括以下步骤：数据准备、阴影提取、样本选取、多准则评估以及综合打分。多准则评估过程中，阴影提取准确率评估针对城市和山地两种场景；阴影与易混淆地物的可分离性针对城市场景，通过1.5倍四分位数范围(1.5IQR)分离比定量评估；阴影对光照强度的敏感性针对山地场景，通过阴影指数与太阳入射角余弦值(cosi)的相关性定量评估。本发明公开的方法能够避免传统评估方法中场景单一、准则单一的问题，评估结果直观可靠，对客观分析和评估阴影指数的性能具有重要的科学意义。
-
公开(公告)号：CN118193482A
公开(公告)日：2024-06-14
申请号：CN202310760393.5
申请日：2023-06-27
申请人： 昆明步卓科技有限公司 , 昆明理工大学
摘要： 本发明公开了一种空间数据存储管理装置，涉及数据管制平台技术领域。本发明包括支撑层包括存储、计算虚拟化等资源、时空大数据引擎以及计算分析服务；数据层包括现状数据、规划管控数据、管理数据、社会经济数据以及专题数据；服务层作为时空大数据引擎核心，承载上层应用服务支撑的同时对数据层进行组织存储。本发明基于设计原则，管理平台采用B/S架构，结合用户使用习惯，提供便捷的管理台服务，用户可通过管理台快速管理数据以及监控平台健康状态，API采用目前最为流行的HTTP REST风格设计，提供灵活可扩展的接口，供第三方系统调用，底层架构规避传统数据库的缺点。
-
公开(公告)号：CN117076819B
公开(公告)日：2024-06-04
申请号：CN202311019320.7
申请日：2023-08-14
申请人： 昆明理工大学
IPC分类号： G06F17/10 , G06F18/214 , G06F18/22 , G06F18/243 , G06F18/25 , G06N20/20
摘要： 本发明公开融合星载GNSS‑R和多源RS数据协同反演地表土壤水分和植被含水量的方法，分别提出基于梯度提升决策树和极端梯度提升算法融合双基地雷达散射截面、有效散射面积、CYGNSS变量参数以及地表辅助参数构建全球高时空分辨率地表土壤水分和植被含水量反演的集成机器学习树模型。本发明首次实现了星载GNSS‑R数据和多源卫星遥感数据协同反演全球高时空分辨率地表土壤水分和植被含水量，提供了一种新的地表土壤水分和植被含水量获取手段；并实现了一种考虑多种影响因素的星载GNSS‑R反演土壤水分和植被含水量的方法，提高了星载GNSS‑R反演的精度。
-
公开(公告)号：CN116881721A
公开(公告)日：2023-10-13
申请号：CN202310918757.8
申请日：2023-07-25
申请人： 昆明理工大学
IPC分类号： G06F18/214 , G06N20/20 , G06F18/15 , G06F18/2415 , G06F18/22 , G06V20/13 , G06V20/10
摘要： 本发明公开了联合星载GNSS‑R数据与集成机器学习算法反演植被光学厚度的方法，包括：分别获取CYGNSS卫星星载GNSS‑R、SMAP和MODIS数据；对所获取的所有数据集预处理和质量控制；数据时空匹配和数据划分；利用MODIS土地利用覆盖类型数据提取植被上CYGNSS反射点数据；利用MODIS陆地开放水域数据对陆地开放水域上的CYGNSS发射点数据进行剔除；CYGNSS地表发射率的计算；构建星载GNSS‑R植被光学厚度反演模型；将测试数据集输入到训练后的ET模型中，得到反演植被光学厚度值，并对结果进行评估。本发明利用集成机器学习算法融合双基地雷达散射截面、有效散射面积、CYGNSS变量参数和地表辅助参数构建极端随机树集成机器学习模型，可以实现全球陆地范围内高精度和高时空分辨率的植被光学厚度反演。
-
公开(公告)号：CN116862798A
公开(公告)日：2023-10-10
申请号：CN202310831948.0
申请日：2023-07-07
申请人： 昆明理工大学
摘要： 本发明公开了一种光学卫星遥感影像的地形阴影效应校正方法，以解决受地形影响而导致的遥感影像中阴影区域的地表反射率失真的问题。该方法基于像元的地表反射率以及光照区域和阴影区域地表接收到的太阳辐射，引入阴影强度因子(SIF)、植被指数因子(VIF)和波段调整因子(BAF)构建地形阴影效应正模型，并通过定性和定量分析全面评估模型的校正性能。本发明能够有效校正阴影区域的光谱畸变并且不会干扰光照区的原始光谱特性，校正后地表反射率与光照条件之间展现出良好的去相关表现，NDVI校正后具有很高的稳定性，植被信息被正确地保留，能够抑制本影区域过度校正和落影区域校正不足的现象，并且校正过程除DEM外不需引入其他数据。
-
公开(公告)号：CN116148863A
公开(公告)日：2023-05-23
申请号：CN202211643830.7
申请日：2022-12-20
申请人： 昆明理工大学
IPC分类号： G01S13/95 , G01S13/58 , G01S19/52 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于CNN的星载GNSS‑R海面风速反演的多模态深度学习方法，利用CNN融合提取的DDM特征和多个辅助参数构建GloWS‑Net多模态深度学习模型，包括以下步骤：获取星载GNSS‑R观测数据、ERA5风速、ERA5涌浪高、ERA5波向数据和IMERG降雨数据；对所获取的所有数据集预处理和时空匹配；数据质量控制和数据划分；GloWS‑Net模型构建和训练；将测试数据集输入到训练后的GloWS‑Net模型中，得到反演风速值，并对结果进行评估。GloWS‑Net模型包括用于从BRCSDDM和相应的有效散射面积(effective scatteringarea)的组合中提取有效特征的卷积层，以及用于处理辅助参数和更高级别输入参数的全连接层。采用本发明的技术方案，可以实现高精度和高时空分辨率的全球海洋风速反演。
-
公开(公告)号：CN116105697A
公开(公告)日：2023-05-12
申请号：CN202310060265.X
申请日：2023-01-17
申请人： 昆明理工大学
IPC分类号： G01C13/00 , G01S19/37 , G01S19/14 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于深度学习的星载GNSS‑R全球海面有效波高反演方法，利用卷积神经网络和全连接网络深度融合海面环境和卫星辅助信息构建全球海面有效波高反演的深度学习模型，包括以下步骤：获取星载GNSS‑R观测数据、ERA5再分析数据、IMERG降雨数据和WaveWatchIII有效波高数据；从星载GNSS‑R数据中提取特征参数和对所有数据集进行时空匹配；数据质量控制和数据划分；有效波高反演的深度学习模型构建和训练；将测试数据集输入到训练后的有效波高反演模型中，得到反演有效波高值，并对结果进行评估。采用本发明的技术方案，可以实现高精度和高分辨率的全球海洋有效波高反演，为星载GNSS‑R海面有效波高反演提供了新的参考方法。
-
-
-
-
-
-
-
-
-
搜索结果
31 条记录 (耗时 0.054 秒)
