“夏小琳”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23个，建议您升级VIP下载更多相关专利

[实用新型]一种管道清淤装置-CN202321042480.9有效
发明人：赵勇;张坚;李璟琳;张星;夏小琳 -专利权人：杭州市水环境发展有限公司
申请日： 2023-05-05 - 公布日： 2023-09-15 - 主分类号： E03F9/00 文献下载
摘要：本实用新型公开了一种管道清淤装置，包括管道主体，所述管道主体的顶端安装有支板，且支板顶端的两侧均安装有支撑柱，所述支撑柱的外侧均安装有承重块，所述支板靠近管道主体的一端安装有防滑垫，所述支板的底端安装有第一电动推杆，且第一电动推杆的输出端安装有连接块。本实用新型通过在支撑柱的外侧安装多组承重块，以增强支板与地面之间的连接的重量，从而提高清淤装置工作时的稳定性，通过防滑垫也能够进一步提高清淤装置的固定性，同时通过设置多组搅拌杆以及刮板，可以对管道内的淤泥进行搅拌打散，从而更容易促进管道的清洗以及内部清淤的排出，同时通过刮板，可以方便对管道的内壁进行高度全方位的清理。
一种管道清淤装置

[发明专利]基于分类和回归树算法的植被指数预测方法、系统及设备-CN201910905196.1有效
发明人：荆文龙;李勇;刘杨晓月;杨骥;夏小琳 -专利权人：广州地理研究所
申请日： 2019-09-24 - 公布日： 2022-10-04 - 主分类号： G06V20/10 文献下载
摘要：本发明涉及一种基于分类和回归树算法的植被指数预测方法、系统及设备，通过以植被指数作为因变量，以全球陆地数据同化系统流域地表模型数据集和高程数据作为自变量，构建分类与回归树模型，利用分类与回归树模型对所述样本数据进行分类并根据所述分类结果预测目标时间段的植被指数，获取植被指数预测结果。相对于现有技术，本发明解决了现有技术中植被指数缺失问题，用户可利用本发明实现任意时间段的植被指数预测，完善植被指数数据。
基于分类回归算法植被指数预测方法系统设备

[发明专利]卫星影像的数据完整性监测方法、装置及设备-CN202010981053.1有效
发明人：刘杨晓月;荆文龙;夏小琳;李勇;杨骥 -专利权人：广东省科学院广州地理研究所;中国科学院地理科学与资源研究所
申请日： 2020-09-17 - 公布日： 2022-07-15 - 主分类号： G01S19/20 文献下载
摘要：本发明涉及一种卫星影像的数据完整性监测方法、装置及设备，该方法包括：接收卫星传感器采集的全球陆地表面的若干幅目标卫星影像；获取第i个目标月份内的目标卫星影像中第j个纬度上的第一有效像元；根据第一有效像元的个数以及第i个目标月份的天数，获取第i个目标月份内第j个纬度上目标卫星影像的时间完整性评价值；以第i个目标月份内第j个纬度上目标卫星影像的时间完整性评价值为时间完整性图像中第i列第j行个像元的显示属性值，得到目标卫星影像的时间完整性图像；向用户展示目标卫星影像的时间完整性图像。相对于现有技术，本方法实现了对卫星影像数据完整性的可视化监测，用户可直观地掌握卫星影像的完整性情况。
卫星影像数据完整性监测方法装置设备

[发明专利]一种基于神经网络算法的陆地水储量预测方法及设备-CN201910904368.3有效
发明人：荆文龙;李勇;刘杨晓月;杨骥;夏小琳 -专利权人：广东省科学院广州地理研究所;中国科学院地理科学与资源研究所
申请日： 2019-09-24 - 公布日： 2022-06-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于神经网络算法的陆地水储量预测方法及设备，包括：获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；对所述地表参数信息进行降低空间分辨率的重采样，得到第一地表参数信息；基于所述第一地表参数信息和陆地水储量信息，构建神经网络回归模型；获取待预测时间内的目标地表参数信息，将所述目标地表参数信息进行降低空间分辨率的重采样，得到第二地表参数信息；将所述第二地表参数信息输入所述神经网络回归模型，确定待预测时间内所述目标地表参数信息对应的陆地水储量信息。相对于现有技术，本发明能够实现对历史时期的陆地水储量信息的精准预测，进而得到长时间序列的陆地水储量动态变化数据。
一种基于神经网络算法陆地储量预测方法设备

[发明专利]基于神经网络算法的植被指数预测方法、系统及设备-CN201910905197.6有效
发明人：荆文龙;刘杨晓月;李勇;杨骥;夏小琳 -专利权人：广东省科学院广州地理研究所;中国科学院地理科学与资源研究所
申请日： 2019-09-24 - 公布日： 2022-04-26 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于神经网络算法的植被指数预测方法、系统及设备，通过以植被指数作为因变量，以全球陆地数据同化系统流域地表模型数据集和高程数据作为自变量，构建神经网络模型，利用神经网络模型对目标时间段的植被指数进行预测，获得植被指数预测值。相对于现有技术，本发明解决了现有技术中植被指数缺失问题，用户可利用本发明实现任意时间段的植被指数预测，完善植被指数数据。
基于神经网络算法植被指数预测方法系统设备

[发明专利]一种摆臂型机械用传动轴装置-CN202011138046.1有效
发明人： 夏小琳 -专利权人：绍兴市瑾杰机械有限公司
申请日： 2020-10-22 - 公布日： 2021-07-13 - 主分类号： A01D34/78 文献下载
摘要：本发明公开了一种摆臂型机械用传动轴装置，涉及摆臂型机械技术领域，解决了现有的摆臂型割草机割草边界为圆形，在对方形区域割草时十分不便，的问题。一种摆臂型机械用传动轴装置，包括机械臂内臂；所述机械臂内臂插接在机械臂外臂的外壳内部。该装置在割草时割草半径为方形，当机械臂外臂转动时，机械臂内臂能够向外伸出，使得机械臂内臂在机械臂外臂转动时的割草路径能够延着直线移动，从而能够更好的适应对草的收割，收割更为彻底，方便灵活，提高了该装置的灵活性和实用性。
一种摆臂型机械传动轴装置

[发明专利]卫星土壤水分重建方法、装置及设备-CN202010943391.6在审
发明人：刘杨晓月;荆文龙;夏小琳;李勇;杨骥 -专利权人：广州地理研究所
申请日： 2020-09-09 - 公布日： 2021-01-12 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种卫星土壤水分重建方法、装置及设备，所述方法包括步骤：与预设地表参数网络数据库建立数据连接，爬取所述地表参数网络数据库中的目标数据集；获取所述目标数据集中目标时间段内的第一地表参数；将所述第一地表参数输入预建立的土壤水分与地表参数的非线性回归映射模型，得到所述目标时间段内的第一土壤水分数据；其中，所述预建立的土壤水分与地表参数的非线性回归映射模型是以样本时间段内的第二地表参数为自变量，以所述样本时间段内的第二土壤水分数据为因变量，通过预设循环神经网络算法构建的模型。相对于现有技术，本申请解决了早年间土壤水分数据分辨率较低的技术问题，提高了目标时间段内的第一土壤水分数据的准确性。
卫星土壤水分重建方法装置设备

[发明专利]基于随机森林的岛礁浅海水深预测方法-CN201910943217.9有效
发明人：荆文龙;刘杨晓月;李勇;杨骥;夏小琳 -专利权人：广州地理研究所
申请日： 2019-09-30 - 公布日： 2020-12-08 - 主分类号： G01C13/00 文献下载
摘要：本申请涉及一种基于随机森林的岛礁浅海水深预测方法、装置、存储介质和计算机设备，所述方法包括如下步骤：获取岛礁浅海区的多光谱反射率；获取岛礁浅海区的水深控制点的实际水深值；根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值；以多光谱反射率、悬浮泥沙含量预测值作为特征向量的特征分量；以水深控制点的实际水深值为预期输出来训练随机森林模型；将所述岛礁浅海区的多光谱反射率输入至所述随机森林模型进行时空序列连续反演，获得水深预测值。本申请所述的基于随机森林的岛礁浅海水深预测方法具有高效快速地获取岛礁浅海水深，结果精确可靠的优点。
基于随机森林岛礁浅海水深预测方法

[发明专利]基于分类与回归树的岛礁浅海水深预测方法-CN201910943234.2有效
发明人：荆文龙;李勇;刘杨晓月;杨骥;夏小琳 -专利权人：广州地理研究所
申请日： 2019-09-30 - 公布日： 2020-12-08 - 主分类号： G01C13/00 文献下载
摘要：本申请涉及一种基于分类与回归树的岛礁浅海水深预测方法、装置、存储介质和计算机设备，所述方法包括如下步骤：获取岛礁浅海区的多光谱反射率；获取岛礁浅海区的水深控制点的实际水深值和悬浮泥沙含量；根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值；根据水深控制点的多光谱反射率、实际水深值和悬浮泥沙含量，利用分类和回归树算法构建浅海水深、多光谱反射率和悬浮泥沙含量的非线性回归映射模型；将所述岛礁浅海区的多光谱反射率输入至所述非线性回归映射模型进行时空序列连续反演，获得水深预测值。本申请所述的基于分类与回归树的岛礁浅海水深预测方法具有高效快速地获取岛礁浅海水深，结果精确可靠的优点。
基于分类回归岛礁浅海水深预测方法

[发明专利]基于极端梯度提升的岛礁浅海水深预测方法-CN201910945145.1有效
发明人：刘杨晓月;夏小琳;荆文龙;李勇;杨骥 -专利权人：广州地理研究所
申请日： 2019-09-30 - 公布日： 2020-12-08 - 主分类号： G06F17/18 文献下载
摘要：本申请涉及一种基于极端梯度提升的岛礁浅海水深预测方法、装置、存储介质和计算机设备，所述方法包括如下步骤：获取岛礁浅海区的多光谱反射率；获取岛礁浅海区的水深控制点的实际水深值；根据所述多光谱反射率中的近红外和红外波段反射率计算水深控制点的悬浮泥沙含量预测值；训练极端梯度提升模型；将所述岛礁浅海区的多光谱反射率输入至所述极端梯度提升模型进行时空序列连续反演，获得水深预测值。本申请所述的基于极端梯度提升的岛礁浅海水深预测方法具有高效快速地获取岛礁浅海水深，结果精确可靠的优点。
基于极端梯度提升岛礁浅海水深预测方法

[发明专利]基于随机森林算法的植被指数预测方法、系统及设备-CN201910905230.5有效
发明人：荆文龙;李勇;刘杨晓月;杨骥;夏小琳 -专利权人：广州地理研究所
申请日： 2019-09-24 - 公布日： 2020-11-24 - 主分类号： G06Q10/04 文献下载
摘要：本发明涉及一种基于随机森林算法的植被指数预测方法、系统及设备，通过以植被指数作为因变量，以全球陆地数据同化系统流域地表模型数据集和高程数据作为自变量，构建随机森林模型，利用随机森林模型对所述样本数据进行分类并根据所述分类结果回归预测目标时间段的植被指数，获取植被指数预测值。相对于现有技术，本发明解决了现有技术中植被指数缺失问题，用户可利用本发明实现任意时间段的植被指数预测，完善了植被指数数据。
基于随机森林算法植被指数预测方法系统设备

[发明专利]一种基于随机森林算法的陆地水储量预测方法及设备-CN201910904058.1有效
发明人：刘杨晓月;夏小琳;荆文龙;李勇;杨骥 -专利权人：广州地理研究所
申请日： 2019-09-24 - 公布日： 2020-11-10 - 主分类号： G06F30/00 文献下载
摘要：本发明提供一种基于随机森林算法的陆地水储量预测方法及设备，包括：获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；对所述地表参数信息进行降低空间分辨率的重采样，得到第一地表参数信息；随机抽取所述第一地表参数信息和所述陆地水储量信息组成多组样本数据，基于所述样本数据构建决策树，形成随机森林回归模型；将所述目标地表参数信息进行降低空间分辨率的重采样，得到第二地表参数信息；将所述第二地表参数信息输入所述随机森林回归模型，计算所述多个陆地水储量信息的平均值，得到目标陆地水储量信息。相对于现有技术，本发明能够实现对历史时期的陆地水储量信息的精准预测，进而得到长时间序列的陆地水储量动态变化数据。
一种基于随机森林算法陆地储量预测方法设备

[发明专利]一种基于决策树算法的陆地水储量预测方法、装置及设备-CN201910904377.2有效
发明人：荆文龙;刘杨晓月;李勇;杨骥;夏小琳 -专利权人：广州地理研究所
申请日： 2019-09-24 - 公布日： 2020-11-06 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于决策树算法的陆地水储量预测方法、装置及设备，包括：获取地表参数信息、陆地水储量信息及陆地水储量信息的空间分辨率；对所述地表参数信息进行降低空间分辨率的重采样，得到第一地表参数信息；基于所述第一地表参数信息和所述陆地水储量信息，构建决策树回归模型；获取待预测时间内的目标地表参数信息，将所述目标地表参数信息进行降低空间分辨率的重采样，得到第二地表参数信息；将所述第二地表参数信息输入所述决策树回归模型，得到待预测时间内所述目标地表参数信息对应的陆地水储量信息。相对于现有技术，本发明能够实现对历史时期的陆地水储量信息的精准预测，进而得到长时间序列的陆地水储量动态变化数据。
一种基于决策树算法陆地储量预测方法装置设备

[发明专利]一种土壤水分数据获取方法、系统、存储介质及设备-CN201910905363.2有效
发明人：刘杨晓月;荆文龙;夏小琳;李勇;杨骥 -专利权人：广州地理研究所
申请日： 2019-09-24 - 公布日： 2020-10-23 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及一种土壤水分数据获取方法、系统、存储介质及设备，通过将所述反照率、蒸散发、地表温度、植被指数、经纬度位置及高程数据作为解释变量，将土壤水分数据作为因变量，基于极端梯度提升算法，建立土壤水分反演模型，模拟土壤水分与地表参数的反演关系，再通过获取具有目标分辨率的解释变量作为解释变量数据集，将所述解释变量数据集输入所述土壤水分反演模型进行降尺度反演，获取所述目标分辨率的土壤水分数据。相对于现有技术，本发明可实现中高分辨率卫星遥感土壤水分数据的获取，提高土壤水分数据的分辨率。
一种土壤水分数据获取方法系统存储介质设备

[发明专利]基于极端梯度提升算法的植被指数预测方法、系统及设备-CN201910905212.7有效
发明人：荆文龙;刘杨晓月;李勇;杨骥;夏小琳 -专利权人：广州地理研究所
申请日： 2019-09-24 - 公布日： 2020-10-23 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及一种基于极端梯度提升算法的植被指数预测方法、系统及设备，通过以植被指数作为因变量，以全球陆地数据同化系统流域地表模型数据集和高程数据作为自变量，构建极端梯度提升模型，利用极端梯度提升模型对所述样本数据进行迭代学习，预测目标时间段的植被指数，获取植被指数预测结果。相对于现有技术，本发明解决了现有技术中植被指数缺失问题，用户可利用本发明实现任意时间段的植被指数预测，完善植被指数数据。
基于极端梯度提升算法植被指数预测方法系统设备

1
2
下一页»
尾页
共 23 条