“詹昌洵”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10个，建议您升级VIP下载更多相关专利

[发明专利]多源信息融合的小流域降水估计方法、设备及存储设备-CN202310129944.8在审
发明人：张挺;詹昌洵;杨丁颖;黄迎春;高帅;蒋嘉伟 -专利权人：福州大学
申请日： 2023-02-17 - 公布日： 2023-06-27 - 主分类号： G01W1/10 文献下载
摘要：本发明公开了一种多源信息融合的小流域降水估计方法、设备及存储设备，方法包括以下步骤：获取卫星遥感降水数据；对降水数据进行降尺度处理，得到降水序列；获取多源信息，多源信息包括：气温序列和雨量站点历史降水序列；将多源信息与降水序列进行拼接，得到样本集；将样本集划分为训练集与测试集；构建LSTM神经网络模型；利用训练集训练所述LSTM神经网络模型，并利用测试集进行测试，得到训练好的模型；将待预测的输入数据输入至训练好的模型，得到最终降水估计值。本发明有益效果是：能提高对降水以及非降水区域的监测能力并有效解决了雨量站由于设备故障所引起的降雨序列缺失的问题，同时能够有效捕捉中高海拔山区小流域的局部暴雨。
信息融合小流域降水估计方法设备存储

[发明专利]基于产汇流过程的降雨驱动的深度学习洪水预报方法-CN202211192847.5在审
发明人：高帅;张挺;黄迎春;杨丁颖;詹昌洵 -专利权人：福州大学
申请日： 2022-09-28 - 公布日： 2023-03-21 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种基于产汇流过程的降雨驱动的深度学习洪水预报方法，包括：根据各雨量站点控制区域的前期降雨序列，计算对应雨量站点控制区域的净雨量序列；将各雨量站点控制区域的净雨量序列在时间维度上进行分配，计算其对流域出口的径流贡献量；将各雨量站点控制区域对流域出口的径流贡献量乘以控制区域的面积，并加上基流，得到最终的预报径流量。本发明基于产汇流过程，提出了全新的降雨驱动的深度学习产汇流框架，建立了具有物理机理的卷积权重洪水预报模型方法。对模型的有效性进行了验证，结果表明建立的卷积权重模型具有很好的洪水预报性能且其参数具有实际的物理意义，模型确定的产流系数和汇流系数能够很好地反映流域产流和汇流特征。
基于汇流过程降雨驱动深度学习洪水预报方法

[发明专利]基于时空注意力的序列到序列多步长洪水预报方法及装置-CN202210905118.3在审
发明人：张挺;詹昌洵;杨丁颖;许鸿煜;黄迎春;陈佳豪 -专利权人：福州大学
申请日： 2022-07-29 - 公布日： 2023-01-20 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于时空注意力的序列到序列多步长洪水预报方法及装置，通过对输入项添加空间注意力模型以及对深度学习框架添加时间注意力模型。空间注意力模型能够充分学习降雨的空间分布信息，在小流量台风模拟中效果较好，而时间注意力模型能够加强对快速汇流过程的学习，在大流量台风模拟效果较好。在添加了时空注意力机制的GRU‑Seq2Seq模型应用中可以发现，该模型能有效学习不同类型洪水，有效解决了山区小流域预报中的时滞现象以及洪峰预报精度不高的问题。
基于时空注意力序列步长洪水预报方法装置

[发明专利]浆砌石拱坝自动化监测系统-CN202010517174.0有效
发明人：张挺;林川;苏燕;翁锴亮;陈佳豪;詹昌洵;李伊璇;朱铠 -专利权人：福州大学
申请日： 2020-06-09 - 公布日： 2022-12-13 - 主分类号： G06F16/29 文献下载
摘要：本发明提供了一种浆砌石拱坝自动化监测系统，包括：数据采集模块、数据中心库模块和拱坝安全监测分析预警模块；所述数据采集模块包括：水位传感器、温度传感器和坝体径向位移监测模块；所述数据中心库模块用于存储数据采集模块和拱坝安全监测分析预警模块生成的历史数据；所述拱坝安全监测分析预警模块通过多元线性回归方法和/或LSTM方法和/或高斯过程回归方法和/或卷积神经网络方法对数据采集模块传输的监测数据进行阈值判断以确定是否发出预警信息。其提出砌石拱坝的大坝安全反演模型和预测评估预警系统，通过人工智能方法的运用能够将结构校核时间推进到秒级响应，为大坝的实时安全评估和预测预警分析开辟新路。
石拱自动化监测系统

[发明专利]基于GNSS与测量机器人融合的水闸实时监测预警方法-CN202211139747.6在审
发明人：杨丁颖;张挺;詹昌洵;吕钰泷;黄迎春 -专利权人：福州大学
申请日： 2022-09-19 - 公布日： 2022-12-09 - 主分类号： G01B7/16 文献下载
摘要：本发明提出基于GNSS与测量机器人融合的水闸实时监测预警方法，所述方法先将全球导航卫星系统GNSS对水闸的原始监测数据进行去噪处理，再用去噪后的数据训练BPNN神经网络模型，使神经网络模型能将GNSS监测数据与测量机器人对水闸的监测数据进行融合，当测量机器人无法工作时，神经网络模型基于GNSS对水闸测量的实时低精度数据，模拟得出使用测量机器人对水闸测量的实时高精度数据；本发明能通过GNSS测量的实时低精度数据模拟获得测量机器人的实时高精度数据，即使在台风、暴雨等测量机器人难以准确测量的极端气候，也能实现全天候、高频率的高精度测量。
基于 gnss 测量机器人融合水闸实时监测预警方法

[发明专利]基于无网格人工粘性项处理浅水流动干湿动边界的方法-CN202210794461.5在审
发明人：张挺;许鸿煜;詹昌洵;郭晓梅;杨丁颖;林震寰 -专利权人：福州大学
申请日： 2022-07-07 - 公布日： 2022-11-15 - 主分类号： G06F17/11 文献下载
摘要：本发明公开了一种基于无网格人工粘性项处理浅水流动干湿动边界的方法，包括：选择合适的粘度参数，对保守形式的二维浅水波方程的间断区间采用无网格法人工粘性项增加粘性，得到具有无网格粘性项的控制方程；采用MacCormack法对无网格粘性项的控制方程的时间项进行离散；采用广义有限差分法对无网格粘性项的控制方程不同方向支持域下的空间项进行离散；根据无网格粘性项的控制方程边界条件，求解得到各计算点的物理量；采用时间推进法处理湿节点，完成干湿边界的模拟运动。本发明有益效果是：能够保持相对平滑的区域不受干扰时，平滑陡度较大的区域，有较强的激波捕捉能力，并能准确稳定的模拟具有移动干湿边界和复杂底坡的浅水流动。
基于网格人工粘性处理浅水流动干湿边界方法

[发明专利]基于顶点重要度的二次误差度量边折叠BIM轻量化方法-CN202210826384.7在审
发明人：张挺;郭煜钒;詹昌洵;杨丁颖;黄迎春 -专利权人：福州大学
申请日： 2022-07-14 - 公布日： 2022-11-15 - 主分类号： G06T17/00 文献下载
摘要：本发明公开了一种基于顶点重要度的二次误差度量边折叠BIM轻量化方法，方法对BIM几何模型使用基于二次误差度量的边折叠算法进行三维网格简化,得到满足简化要求的三维几何模型；并且考虑三维模型尤其是三维建筑模型在三角网格中的过简化问题，在二次误差度量的基础上引入了顶点重要度与模型特征因子作为约束因子；本发明有益效果是：能够有效改善BIM模型的存储和传输问题，既保证简化模型同初始模型在几何上尽可能相似，又能较好地保留初始模型的各部分特征。
基于顶点重要二次误差度量折叠 bim 量化方法

[发明专利]基于GRU-Seq2Seq的多步长洪水预报方法及装置-CN202210911929.4在审
发明人：张挺;杨丁颖;詹昌洵;吕钰泷;黄迎春;陈佳豪 -专利权人：福州大学
申请日： 2022-07-29 - 公布日： 2022-11-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供了一种基于GRU‑Seq2Seq的多步长洪水预报方法及装置。在GRU模型的基础之上，对GRU算法进行改进，引入Seq2Seq模型，将实测降雨数据与模拟径流数据一起输入GRU编码器中，获得编码向量，再把编码向量输入GRU解码器，获得预测流量。GRU‑Seq2Seq洪水预报模型能够充分挖掘台风影响下的降雨径流信息，建立准确的多步提前洪水预报模型，解决了多步提前预测中的时滞问题，有效提高洪水预报模型的效果。
基于 gru seq2seq 步长洪水预报方法装置

[发明专利]一种城市雨水井多点位水深快速预报的方法-CN202210270196.0在审
发明人：张挺;詹昌洵;杨丁颖;章思茜;蒋嘉伟 -专利权人：福州大学
申请日： 2022-03-18 - 公布日： 2022-08-23 - 主分类号： G06F30/27 文献下载
摘要：本发明公开一种城市雨水井多点位水深快速预报的方法，包括以下步骤：构建街道‑雨水下水道双排水系统耦合模型，利用耦合模型得到水深数据集；对水深数据集采用基于互相关分析的皮尔逊相关系数法，得到时间相关性分析结果；采用Min‑Max法对水深数据集进行归一化；采用软注意最大权值法对水深数据集中空间相关性进行分析，得到空间相关性分析结果；根据时、空间相关性分析结果构建城市雨水井多点位水深快速预报模型；使用均方误差作为损失函数，训练水深快速预报模型并优化，得到优化后的模型；对优化后的模型进行评价；将评价通过的模型应用于实际水深预报，得到预报结果。本发明有益效果是：提高了雨水井多点位水深预报的速度和精度。
一种城市雨水多点水深快速预报方法

[发明专利]基于GNSS与测量机器人融合的拱坝表面变形监测系统-CN202010517180.6有效
发明人：林川;张挺;苏燕;詹昌洵;陈佳豪;翁锴亮;朱铠;李伊璇 -专利权人：福州大学
申请日： 2020-06-09 - 公布日： 2022-03-08 - 主分类号： G01B21/32 文献下载
摘要：本发明提供了一种基于GNSS与测量机器人融合的拱坝表面变形监测系统，将GNSS与测量机器人技术相融合，两种方法互补不足，实现拱坝大坝表面变形高效准确的自动观测。在此基础上通过结合BIM技术将结构信息和监测数据动态关联，并构建了包含多种机器学习等人工智能方法的实时评估体系，形成一套基于GNSS与测量机器人技术的拱坝表面变形监测系统，可以协助工作人员高效完成拱坝变形监测资料的分析评估工作，提高大坝信息化管理水平。
基于 gnss 测量机器人融合拱坝表面变形监测系统

1
共 10 条