百科技术库 各行业技术资料 - 百科资料网
欢迎来到百科技术库 各行业技术资料 - 百科资料网! [免费注册] | [登录] 微信快捷登录 QQ登录 微博登录 | 帮助中心 各行业技术应有尽有!
全国服务热线 13310018778

栏目导航

最新技术
湍流模型的获取方法及设备
本公开提供了一种湍流模型的获取方法及设备,所述获取方法包括:获取现场实际的测风数据;基于获取的测风数据,拟合湍流模型的特定参数的参数值;根据拟合得到的所述特定参数的参数值,确定符合所述现场实际的风资源情况的湍流模型,所述湍流模型用于风力发电机组设计。
一种用于移动风场环境中飞行器气动载荷的确定方法
本申请属于飞行器载荷设计技术领域,特别涉及一种用于移动风场环境中飞行器气动载荷的确定方法。该方法包括气动载荷计算参数初始化;更新飞行器表面各个网格当地的“等效时刻”;插值得到各个网格所受到的波阵风速度;计算各个网格处的迎角、侧滑角、动压;插值得到各个网格形心处的压力系数;对所有网格进行积分,得到飞行器的外部气动载荷。本发明提供了一种改进的移动风场环境中飞行器外部气动载荷的确定方法,考虑了移动风场包围飞行器过程对气动载荷的影响,简化了气动载荷的确定流程,提高了气动载荷的确定精度。
油耗与排放一体化优化的商用车队列合并方法
一种油耗与排放一体化优化的商用车队列合并方法,属于智能交通技术领域。本发明的目的是通过车联网技术,获得同路车辆目的地、车速、加速度等信息,构建综合油耗与排放的优化问题,优化车辆瞬时编队行为的油耗与排放一体化优化的商用车队列合并方法。本发明的步骤是:车速模型搭建、油耗与排放模型、控制目标的确定、问题约束的确定。本发明对参与队列合并的车辆的车速进行了规划,获得了可以使队列整体油耗与排放综合最优的每辆车的车速以及对应该车速的控制输入。
一种斜浪下船艏非对称砰击载荷的确定性方法
本发明涉及一种斜浪下船艏非对称砰击载荷的确定方法,该方法包括以下步骤:1)将计算模型简化为刚体;2)简化计算模型波浪载荷的求解;3)建立波浪下计算模型重心处六自由度运动方程;4)建立计算模型三维空间的相对运动预报模型;5)建立二维剖面多自由度非对称入水砰击模型;6)应用VOF方法模拟非对称入水砰击过程,预报砰击载荷。目前船体砰击载荷预报中仅考虑垂向运动预报导致砰击载荷的预报是对称的。本发明能够同时考虑船体的垂向、横向和橫摇运动,弥补目前船体砰击载荷预报中无法充分考虑非对称运动形式的缺陷,提供一种复杂海洋环境下船体砰击载荷确定的高精度方法,为船体砰击强度的进一步设计提供解决方案。
一种基于贝叶斯反向传播的电网资源部署分析方法
本发明公开了一种基于贝叶斯反向传播的电网资源部署分析方法,包括,获取电网资源数据;根据所述电网资源数据对应的位置信息构建网络标签;将所述网络标签导入仿真分析平台读取关键信息,输出分析报告。本发明能够消除海量数据繁杂、分析复杂、处理不及时的难题,极大地提高效率性和实时性。
基于机器学习的城市内涝积水点积水过程预测方法及系统
本发明公开了一种基于机器学习的城市内涝积水点积水过程预测方法及系统,包括根据积水监测站点的历史积水过程数据和临近降雨监测站点的历史降雨过程数据,构建积水过程与降雨过程相关的城市内涝积水点积水过程预测模型;分别计算积水监测站点上的实时降雨过程数据和定量预报降雨过程数据;将定量预报降雨过程数据与实时降雨过程数据拼接,得到积水监测站点上的实时和预报降雨过程数据;基于实时和预报降雨过程数据,利用构建的城市内涝积水点积水过程预测模型进行城市内涝积水点积水过程预测。本发明具有操作简单、建模速度快,计算效率高,预测精度高等优点,能够实现准确有效的积水预测,有助于城市内涝应急防治。
基于深度学习的非侵入负荷分解方法、系统、介质和设备
本发明属于电网中负荷感知技术应用领域,涉及一种基于深度学习的非侵入式负荷分解方法、系统、介质和设备,包括以下步骤:S1获取每个工业设备的短期负荷历史数据和总负荷历史数据;S2采用步骤S1中短期负荷历史数据和总负荷历史数据对初始模型进行训练,获得工业设备典型负荷模型;S3将实时获得的总负荷参数输入工业设备典型负荷模型获得每台工业设备的负荷。其能够有效对工业设备负荷进行建模,并基于该模型,通过工业设备的总负荷获得各个工业设备的负荷。
跨样本联邦分类建模方法及装置、存储介质、电子设备
本公开属于联邦学习技术领域,涉及一种基于神经网络和知识蒸馏的跨样本联邦分类建模方法及装置、存储介质、电子设备。该方法包括:获取待联邦分类建模任务制定的标签标准信息,并对联邦分类建模任务的本地神经网络模型进行结构自定义和参数初始化处理;对本地神经网络模型进行训练得到预测标签向量,并对预测标签向量进行知识蒸馏处理得到软标签向量;获取与联邦分类建模任务对应的联邦建模参数,并将本地每个类别的软标签向量发送至协调方;接收协调方返回的联邦标签向量,并对本地神经网络模型继续进行训练,以完成训练得到联邦分类建模模型。本公开确保数据隐私的情况下,利用所有联邦参与方的数据提供的“知识”得到更优的联邦分类建模模型。
模型训练方法、信息提取方法、相关装置及存储介质
本申请提供了一种模型训练方法、信息提取方法、相关装置及存储介质。模型训练方法包括:获取N个样本数据;每个样本数据包括M种类别的子数据;N个样本数据对应M×N个子数据对,每个子数据对包括M个子数据,每个子数据所属的类别不同,每个子数据对包括的M个子数据之间对应一个关联关系,每个样本数据包括的M种类别的子数据相互关联;将M×N个子数据对输入到预设模型中进行训练,生成每种类别的子数据各自对应的预训练模型;预设模型用于计算每个子数据对的M个子数据之间的相似度,并根据M×N个子数据对包括的M个子数据之间的相似度确定每一种数据类别对应的向量表示空间,采用该方法得到的预训练模型可以快速准确地提取目标信息。
基于社会网络分析技术的数据挖掘的一种方法
本发明涉及数据挖掘技术领域,更具体的说是涉及基于社会网络分析技术的数据挖掘的一种方法,包括征信风控建模、特征变量库、仿真数据库和场景变量数据挖掘四个模块。本发明支持多业务场景–发卡、调额、催收等建模(风控)有效信息覆盖率达95-99%;特征变量加工代码正确率高达99.99%口有效保障模型的可靠性,风险识别率高获益机会识别率高大幅提升行方数据分析能力;大幅度减轻信息科技部的临时开发任务压力对业务知识形成系统化框架;实时更新新增大额分期录入更多网贷信息新增共同借款标志;业务知识全覆盖,全库特征变量数已达700,000+灵活有效应对以上行业痛点,全方位支撑各种业务场景需求兼容性好,可融合多方数据源。