公开(公告)号：CN116738822A

公开(公告)日：2023-09-12

申请号：CN202310546357.9

申请日：2023-05-14

申请人： 郑州大学

发明人： 宋留洋 ,  张泽希 ,  方宏远 ,  邵一帆 ,  段懿航 ,  乔磊 ,  陈镇铧

IPC分类号： G06F30/27 ,  G06F18/15 ,  G06F18/2135 ,  G06N3/006 ,  G06N20/20 ,  F17D5/00 ,  G06F113/14

摘要： 本发明涉及机器学习领域，具体涉及一种基于LightGBM的排水管道最大腐蚀深度预测方法。包括：1.获取服役的排水管道相关数据，包括管道的建造和维护记录、基础数据、腐蚀数据、内部监测数据和外部环境数据；2.对采集的排水管道相关数据进行数据预处理，提升数据集的质量；3.利用PCA(主成分分析)算法对预处理之后的排水管道数据集进行特征降维，综合提炼出能够反映管道情况的特征；4.基于LightGBM算法构建排水管道最大腐蚀深度预测模型；5.利用鲸鱼优化算法(WOA)对LightGBM模型的超参数进行优化选择，优选出使模型预测准确率最高的超参数组合；6.利用优化之后的LightGBM模型预测管道最大腐蚀深度并对预测结果进行误差评估。本发明采用机器学习算法LightGBM预测服役排水管道的最大腐蚀深度，并结合PCA主成分分析和鲸鱼优化算法，提升了模型的预测精度，实现对排水管道最大腐蚀深度准确预测，对排水管道的安全维护提供了技术支持。

公开(公告)号：CN116452982A

公开(公告)日：2023-07-18

申请号：CN202310537312.5

申请日：2023-05-14

申请人： 郑州大学

发明人： 张泽希 ,  宋留洋 ,  王念念 ,  陈镇铧 ,  乔磊 ,  段懿航 ,  邵一帆

IPC分类号： G06V20/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明涉及一种基于改进YOLOv5的探地雷达地下排水管网图像检测方法，包括如下步骤：S1、采集探地雷达地下排水管网图像，构建地下排水管网雷达图像原始数据集；S2、对S1中的原始数据集进行图像预处理，通过数据增强方法增加数据量，标注生成地下排水管网的标签文件，并按一定比例分为训练集，验证集和测试集；S3、构建改进的YOLOv5卷积神经网络模型，初始化网络模型，将训练集导入模型，设置超参数，进行模型的训练；S4、模型调参，根据网络模型的训练效果和性能表现，调整各个超参数，得到最优模型；S5、模型测试，训练获得性能最优模型，引入测试集对模型进行测试，输出各项检测数值指标，判断是否达到预期值；S6、现场检测，判断是否达到预期值。改进的YOLOv5卷积神经网络模型算法用于探地雷达地下排水管网特征的目标检测，基于雷达图像大数据进行模型训练，提高模型的鲁棒性和泛化能力，并优化主干网络，提高模型检测的准确率，实现地下排水管网的自动检测。