一种基于动态图网络的水质预测方法

    公开(公告)号:CN118228160A

    公开(公告)日:2024-06-21

    申请号:CN202410432828.8

    申请日:2024-04-11

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于动态图网络的水质预测方法。包括:获取历史水质数据以及跨领域多源异构数据;建立总模型,包括输入层、DGTCN模型、输出层,所述DGTCN模型包括GCN模块、TCN模块;其中,输入层将历史水质数据以及跨领域多源异构数据转化为动态图网络;GCN模块基于图卷积提取并更新动态图网络的图结构特征,TCN模块基于因果卷积和扩张卷积优化图结构特征后输入至输出层;输出层输出水质预测结果。本发明综合考虑了与水质相关的多种因素以及变量,从时间角度对水质采用动态图网络的形式进行分析预测,具有精确度高、实用性强的特点。

    一种基于GS_YOLOv7的火灾检测方法
    10.
    发明公开

    公开(公告)号:CN117292216A

    公开(公告)日:2023-12-26

    申请号:CN202310400563.9

    申请日:2023-04-14

    申请人: 淮阴工学院

    摘要: 本发明公开了一种基于GS_YOLOv7的火灾检测方法,包括改进了模型Backbone与Head部分,引入了Shuffle Attention Module;引入了GSConv模块;在Head层中引入VoVGSCSP module;在训练策略方面,将YOLOv7网络模型CBS模块改进为效率更高的CBF模块;将模型损失函数改为EIoU loss,一张640*640的特征图输入到网络的Backbone层,经过CBF,E‑ELAN以及MP模块后输出三张不同的特征图,将20*20*1024大小的特征图输入到Head层经过VoVGSCSP module中可提高网络的推理速度,特征图经过GSConv模块,模型可以提取更加丰富的语义信息,在特征提取后的非线性激活阶段,Funnel激活函数增强了模型的空间感知能力,引入了EIoU loss使得模型的收敛速度更快。本发明通过优化模型结构,引入新的激活函数和损失函数,提高了模型的效率和泛用性。