“刘修栋”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果2个，建议您升级VIP下载更多相关专利

[发明专利]港池入口波浪多要素的中长期实时预测方法、系统及应用-CN202211140622.5有效
发明人：解翠;刘修栋;满腾浩;董军宇 -专利权人：中国海洋大学
申请日： 2022-09-20 - 公布日： 2023-01-03 - 主分类号： G06F16/00 文献下载
摘要：本发明属于波浪信息预测技术领域，公开了港池入口波浪多要素的中长期实时预测方法、系统及应用。所述预测方法包括：基于滑动窗口构建数据集，建立三路输入特征融合深度神经网络：一路利用长短期记忆网络LSTM来学习港池入口处波浪多要素的历史时序规律，二路采用定制的二维风浪特征提取模块捕捉港外周边广大海域波浪与风场多个要素的历史时序时空特征，三路对当前时刻进行时间多尺度编码来提取周期性特征。本发明改进了目前深度学习方法预测单一时间尺度下的单一波浪要素和传统数值模式无法实时预测的现状，实现任意港池入口处波浪多要素的中期、中长期和长期序列的实时预测，且中期到长期的预测效果优于目前主流的机器学习模型。
入口波浪要素中长期实时预测方法系统应用

[发明专利]全港池波浪有效波高的预测方法、系统、存储介质、应用-CN202210418364.6有效
发明人：解翠;满腾浩;刘修栋;董军宇 -专利权人：中国海洋大学
申请日： 2022-04-21 - 公布日： 2022-07-22 - 主分类号： G06F30/27 文献下载
摘要：本发明属于波浪信息预测技术领域，公开了全港池波浪有效波高的预测方法、系统、存储介质、应用。全港池波浪有效波高的预测方法包括：首先进行数据集构建和预处理，进行港池内外波浪和港外风场数据的缺失值处理和归一化，再将该数据对应的时间信息进行多尺度特征编码，划分好数据集后搭建条件生成对抗网络，并将多尺度时间特征拼接融合处理后的风场、波浪特征输入到神经网络，不断迭代训练和更新调节神经网络参数和模型的超参数，最终建立最优的端到端的深度学习预测模型。本发明的预测模型十分简单易用，只要提供港池外的预处理好的风、浪数据和多尺度的时间编码信息输入到已建好的预测模型中，就能快速预测出整个港池内波浪的有效波高。
全港池波浪有效预测方法系统存储介质应用