佛山大學(xué)專利轉(zhuǎn)讓丨算法賦能多領(lǐng)域，助力多場(chǎng)景精準(zhǔn)運(yùn)維
發(fā)布時(shí)間：2025年04月09日
一種基于混合QPSO-DE尋優(yōu)預(yù)測(cè)水質(zhì)溶氧方法及系統(tǒng)
專利摘要：本公開(kāi)公開(kāi)了一種基于混合QPSODE尋優(yōu)預(yù)測(cè)水質(zhì)溶氧方法及系統(tǒng)，通過(guò)利用QPSODE算法來(lái)優(yōu)化設(shè)計(jì)支持向量機(jī)的參數(shù)，并將優(yōu)化設(shè)計(jì)得到的支持向量機(jī)設(shè)置為尋優(yōu)預(yù)測(cè)水質(zhì)溶氧模型，得到水質(zhì)溶氧預(yù)測(cè)數(shù)據(jù)。搜索能力比標(biāo)準(zhǔn)差分進(jìn)化算法的搜索能力更強(qiáng)，性能更優(yōu)越，在每次迭代進(jìn)入下一代的個(gè)體都具有更優(yōu)的適應(yīng)度值，并且，能有有效的避免算法出現(xiàn)早熟現(xiàn)象，即陷入局部最優(yōu)而跳不出來(lái)，提高了算法的全局搜索能力。
專利申請(qǐng)?zhí)?/span>：CN111079888A
專利名稱：一種基于混合QPSO-DE尋優(yōu)預(yù)測(cè)水質(zhì)溶氧方法及系統(tǒng)
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
一種基于神經(jīng)網(wǎng)絡(luò)的供水管爆裂時(shí)間預(yù)測(cè)方法及裝置
專利摘要：本公開(kāi)公開(kāi)了一種基于混合QPSODE尋優(yōu)預(yù)測(cè)水質(zhì)溶氧方法及系統(tǒng)，通過(guò)利用QPSODE算法來(lái)優(yōu)化設(shè)計(jì)支持向量機(jī)的參數(shù)，并將優(yōu)化設(shè)計(jì)得到的支持向量機(jī)設(shè)置為尋優(yōu)預(yù)測(cè)水質(zhì)溶氧模型，得到水質(zhì)溶氧預(yù)測(cè)數(shù)據(jù)。搜索能力比標(biāo)準(zhǔn)差分進(jìn)化算法的搜索能力更強(qiáng)，性能更優(yōu)越，在每次迭代進(jìn)入下一代的個(gè)體都具有更優(yōu)的適應(yīng)度值，并且，能有有效的避免算法出現(xiàn)早熟現(xiàn)象，即陷入局部最優(yōu)而跳不出來(lái)，提高了算法的全局搜索能力。
專利申請(qǐng)?zhí)枺?/span>CN109558900A
專利名稱：一種基于神經(jīng)網(wǎng)絡(luò)的供水管爆裂時(shí)間預(yù)測(cè)方法及裝置
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
基于決策樹(shù)與神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖病害預(yù)測(cè)方法及系統(tǒng)
專利摘要：本公開(kāi)公開(kāi)了基于決策樹(shù)與神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖病害預(yù)測(cè)方法及系統(tǒng)，本公開(kāi)主要融合長(zhǎng)短期記憶循環(huán)神經(jīng)網(wǎng)絡(luò)以及決策樹(shù)兩種算法，來(lái)進(jìn)行水產(chǎn)養(yǎng)殖病害預(yù)測(cè)。而改進(jìn)的C4.5算法則增加了去除相關(guān)性大的因素這一環(huán)節(jié)，從而有效的減少了不必要的計(jì)算，將預(yù)測(cè)的數(shù)據(jù)代入決策樹(shù)中進(jìn)行判斷病害是否爆發(fā)以及所屬類型，可以有效解決長(zhǎng)期依賴問(wèn)題，記住時(shí)間段的信息是它們必備的技能；具有擅長(zhǎng)處理復(fù)雜突變的時(shí)序數(shù)據(jù)的特點(diǎn)，可以更加精準(zhǔn)的預(yù)測(cè)水產(chǎn)病害的發(fā)生，實(shí)用性強(qiáng)，預(yù)測(cè)精度高，可以幫助養(yǎng)殖戶及時(shí)的解決水產(chǎn)病害減少經(jīng)濟(jì)損失。
專利申請(qǐng)?zhí)枺?/span>CN111062511A
專利名稱：基于決策樹(shù)與神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖病害預(yù)測(cè)方法及系統(tǒng)
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
一種基于雙向蟻群與動(dòng)態(tài)規(guī)劃的管道布設(shè)方法及裝置
專利摘要：本發(fā)明公開(kāi)了一種基于雙向蟻群與動(dòng)態(tài)規(guī)劃的管道布設(shè)方法及裝置，通過(guò)改進(jìn)雙向蟻群算法，改進(jìn)后的雙向蟻群算法比傳統(tǒng)的蟻群算法的運(yùn)算速度能提高80％，而且減少了出現(xiàn)只有局部最優(yōu)解的概率，提升了結(jié)果的準(zhǔn)確性，針對(duì)算法單一、運(yùn)行速度不夠快等缺點(diǎn)，動(dòng)態(tài)規(guī)劃模型在越來(lái)越多的應(yīng)用在水資源規(guī)劃中，具有將高維問(wèn)題化為相對(duì)簡(jiǎn)單的低維問(wèn)題、對(duì)目標(biāo)函數(shù)和約束條件的函數(shù)形式限制較寬、處理比較方便等優(yōu)點(diǎn)，減少了出現(xiàn)只有局部最優(yōu)解的概率，提升了結(jié)果的準(zhǔn)確性，雙向蟻群算法是對(duì)傳統(tǒng)蟻群算法的改進(jìn)，雙向出發(fā)效率能提高約60％，主干道與分支道路并行運(yùn)算，準(zhǔn)確性和運(yùn)算速率預(yù)計(jì)提高80％。
專利申請(qǐng)?zhí)枺?/span>CN109635912A
專利名稱：一種基于雙向蟻群與動(dòng)態(tài)規(guī)劃的管道布設(shè)方法及裝置
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
基于特征選取和支持向量的魚(yú)飼料投量預(yù)測(cè)方法及系統(tǒng)
專利摘要：本發(fā)明公開(kāi)了基于特征選取和支持向量的魚(yú)飼料投量預(yù)測(cè)方法及系統(tǒng)，使用Lasso特征選取模型提取影響魚(yú)飼料投喂量較大的幾個(gè)因素，再建立所提取因素與魚(yú)飼料投喂量的灰色預(yù)測(cè)模型預(yù)測(cè)魚(yú)飼料最佳投喂量，運(yùn)用Lasso特征選取模型，進(jìn)一步對(duì)特征進(jìn)行篩選，進(jìn)一步降低了對(duì)因子質(zhì)量的要求，達(dá)到更好的效果，再運(yùn)用灰色預(yù)測(cè)模型和SVR算法得到最終預(yù)測(cè)值，只需收集較少的影響因素?cái)?shù)據(jù)集就可以通過(guò)本發(fā)明的預(yù)測(cè)模型求出精確度高的魚(yú)飼料喂養(yǎng)量，可幫助漁戶實(shí)時(shí)準(zhǔn)確投放魚(yú)飼料，充分利用飼料，達(dá)到水產(chǎn)養(yǎng)殖業(yè)增收增效增益的效果，降低了計(jì)算復(fù)雜度，提高預(yù)測(cè)精確度。
專利申請(qǐng)?zhí)枺?/span>CN110956310A
專利名稱：基于特征選取和支持向量的魚(yú)飼料投量預(yù)測(cè)方法及系統(tǒng)
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
一種基于層次分析法的汽車評(píng)分方法及系統(tǒng)
專利摘要：本公開(kāi)公開(kāi)了一種基于層次分析法的汽車評(píng)分方法及系統(tǒng)，使用層次分析法AHP算法來(lái)處理運(yùn)輸車輛的行為數(shù)據(jù)，構(gòu)建出基于車輛不良駕駛行為的行車安全評(píng)價(jià)模型和基于車輛行為的綜合評(píng)價(jià)模型，從中挖掘出車輛的不良駕駛行為，進(jìn)而基于其不良駕駛行為構(gòu)建行車安全的評(píng)價(jià)模型，并給出相搭配的模型評(píng)價(jià)結(jié)果；建立的模型用因素的相對(duì)重要性來(lái)劃分層次；系統(tǒng)性地分析了車輛的真實(shí)狀況.對(duì)車輛的駕駛行為得分進(jìn)行分級(jí),能夠快速反映出車輛的總體情況.建立了比較完整的車輛綜合評(píng)價(jià)體系。本次建立的模型能夠快速地對(duì)駕駛?cè)藛T進(jìn)行評(píng)分與分類.能夠精確地對(duì)駕駛的不良行為進(jìn)行分析辨別。
專利申請(qǐng)?zhí)枺?/span>CN111047142A
專利名稱：一種基于層次分析法的汽車評(píng)分方法及系統(tǒng)
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
一種基于神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測(cè)方法及系統(tǒng)
專利摘要：本公開(kāi)公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測(cè)方法及系統(tǒng)，采用Map和Reduce任務(wù)實(shí)現(xiàn)了多層次自動(dòng)并行化BP神經(jīng)網(wǎng)絡(luò)算法。這種方法可以在減少訓(xùn)練時(shí)間的同時(shí)保持BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)或分類準(zhǔn)確度；對(duì)檢測(cè)過(guò)程中因傳感器等儀器出現(xiàn)故障引起的失真數(shù)據(jù)，可以用預(yù)測(cè)數(shù)值進(jìn)行校正，以保證測(cè)量結(jié)果的完整性和精確性，可以在減少訓(xùn)練時(shí)間的同時(shí)保持BP神經(jīng)網(wǎng)絡(luò)算法的預(yù)測(cè)或分類準(zhǔn)確度。
專利申請(qǐng)?zhí)枺?/span>CN111047073A
專利名稱：一種基于神經(jīng)網(wǎng)絡(luò)的水產(chǎn)養(yǎng)殖水質(zhì)預(yù)測(cè)方法及系統(tǒng)
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
一種河道水污染預(yù)警方法及系統(tǒng)
專利摘要：本發(fā)明公開(kāi)了一種河道水污染預(yù)警方法及系統(tǒng)，在河道中等距設(shè)置傳感器節(jié)點(diǎn)；通過(guò)傳感器節(jié)點(diǎn)采集物理量數(shù)據(jù)；對(duì)物理量數(shù)據(jù)進(jìn)行預(yù)處理提取關(guān)鍵因子；構(gòu)建灰色預(yù)測(cè)模型計(jì)算關(guān)鍵因子的預(yù)測(cè)值；通過(guò)SVR模型和預(yù)測(cè)值進(jìn)行預(yù)測(cè)傳感器節(jié)點(diǎn)所在的水域的污染度；使用了信息增益法確定主要特征后結(jié)合了Lasso特征選取算法進(jìn)一步降低了對(duì)因子質(zhì)量的要求，確定了更加有效的關(guān)鍵因子，大幅度提高了預(yù)測(cè)精度的同時(shí)也減少了大量運(yùn)算量，降低了傳統(tǒng)的支持向量機(jī)預(yù)測(cè)方法對(duì)因子質(zhì)量的要求，達(dá)到更好的效果，能夠?qū)崟r(shí)的智能判斷水功能區(qū)的污染源位置、及時(shí)定位污染點(diǎn)并發(fā)出警報(bào)，本發(fā)明應(yīng)用于水環(huán)境污染預(yù)警領(lǐng)域。
專利申請(qǐng)?zhí)枺?/span>CN112085926A
專利名稱：一種河道水污染預(yù)警方法及系統(tǒng)
專利類型：發(fā)明專利
擬轉(zhuǎn)讓形式：轉(zhuǎn)讓
