本發(fā)明公開了一種風(fēng)機運行數(shù)據(jù)異常值篩選方法、系統(tǒng)和存儲介質(zhì)，方法包括：獲取風(fēng)機組歷史運行數(shù)據(jù)和天氣數(shù)據(jù)；對數(shù)據(jù)預(yù)處理得到急流指數(shù)數(shù)據(jù)；將以上所有數(shù)據(jù)進(jìn)行時空對齊處理得到融合數(shù)據(jù)集；以融合數(shù)據(jù)集中的風(fēng)機功率和急流核心風(fēng)速構(gòu)建邊界盒模型，將...

本技術(shù)涉及掃描探針顯微鏡技術(shù)領(lǐng)域，具體的公開了一種低成本易加工的掃描探針顯微鏡獨立掃描器，包括探針，針筒，探針同軸設(shè)置在針筒內(nèi)，針筒的一端固定粘接有絕緣底蓋，絕緣底蓋背離針筒的一端固定粘接有壓電掃描管，壓電掃描管背離絕緣底蓋的一端固定粘...

本發(fā)明公開了一種基于量子脈沖神經(jīng)網(wǎng)絡(luò)的節(jié)能綠色交通標(biāo)志分類方法，包括：構(gòu)建融合量子時間通道注意力編碼QTCAC與膜殘差神經(jīng)網(wǎng)絡(luò)MS?ResNet的QTCAC?SNN模型；通過QTCAC模塊，利用量子神經(jīng)網(wǎng)絡(luò)QNNs提取輸入圖像在時間維度...

本發(fā)明公開了一種基于空間連續(xù)性約束的多目標(biāo)耦合地理分層方法及系統(tǒng)，該方法首先對地理指標(biāo)與解釋因子數(shù)據(jù)進(jìn)行質(zhì)量篩選；隨后，采用NSGA?Ⅱ算法生成初始種群，每個個體代表一種由超平面參數(shù)定義的分層方案；針對每個方案，同步計算地理探測器q統(tǒng)計...

本發(fā)明涉及一種基于洛朗多項式的腦電信號分類方法，首先提取各段樣本腦電信號分別對應(yīng)預(yù)設(shè)各目標(biāo)特征的特征值，然后自輸入端至輸出端依次串聯(lián)縮放平移微調(diào)層、洛朗多項式層、激活層、全連接層、softmax層、輸出層，構(gòu)建待訓(xùn)練網(wǎng)絡(luò)，最后以樣本腦電...

本發(fā)明公開了一種面向通感梳狀調(diào)控復(fù)用信號的雜波對消方法，涉及雷達(dá)技術(shù)領(lǐng)域，步驟包括：在發(fā)射端，將多載波梳狀調(diào)控復(fù)用的通感一體化信號耦合到參考接收通道，形成參考信號；在接收端，從參考信號和回波中分別取K個周期參考數(shù)據(jù)和回波數(shù)據(jù)，解調(diào)雷達(dá)的...

本發(fā)明公開了一種跨場景地面濾波方法和系統(tǒng)，屬于激光點云數(shù)據(jù)處理技術(shù)領(lǐng)域，方法包括：對待濾波點云進(jìn)行均勻采樣，標(biāo)記采樣點的中心分類點；利用訓(xùn)練完成的高程感知稀疏分割模型預(yù)測中心分類點的語義類別；具體地，提取中心分類點不同層級的體素級特征，...

本發(fā)明公開了一種測定和區(qū)分水體釋放甲烷冒泡通量和擴散通量的方法，屬于環(huán)境水體中甲烷通量測定，包括如下步驟：測定采樣點水體和周圍大氣一起震蕩后的氣體中以及采樣點水體周圍大氣中CH4和N2O的氣體含量，計算采樣點水體和周圍大氣平衡時水體中以...

本發(fā)明公開了一種基于多尺度過程的海氣波流耦合優(yōu)化方法，旨在解決現(xiàn)有耦合模式中多尺度過程的適應(yīng)性不足、物理刻畫準(zhǔn)確性偏差和數(shù)值守恒穩(wěn)定性差等難題。本方法首先改進(jìn)了物理參數(shù)化：在大氣模式中引入基于波浪譜動態(tài)修正的海表粗糙度參數(shù)化，在海洋模式...

本發(fā)明涉及一種多源遙感圖像融合分類方法，涉及多源遙感圖像融合技術(shù)領(lǐng)域，包括：獲取高光譜圖像及雷達(dá)圖像數(shù)據(jù)，多尺度卷積特征提取，通過光譜四向掃描提取高光譜圖像中的光譜特征，通過四向空間特征掃描獲取高光譜圖像和雷達(dá)圖像的空間信息，將高光譜圖...

本發(fā)明公開了一種面向通信網(wǎng)絡(luò)中多商品流問題的消息傳遞方法、系統(tǒng)、介質(zhì)及設(shè)備，涉及通信網(wǎng)絡(luò)路由的技術(shù)領(lǐng)域。該方法包括：確定關(guān)于目標(biāo)通信網(wǎng)絡(luò)的多商品最小成本流問題，根據(jù)多商品最小成本流問題構(gòu)建網(wǎng)絡(luò)圖；基于網(wǎng)絡(luò)圖構(gòu)建多棵計算樹，采用Min?s...

本發(fā)明公開一種基于邊緣檢測的風(fēng)切變識別方法及系統(tǒng)，屬于雷達(dá)探測技術(shù)領(lǐng)域，方法包括通過風(fēng)速質(zhì)量控制得到待識別速度區(qū)域，分離速度差異區(qū)塊作為有效風(fēng)速識別區(qū)轉(zhuǎn)換為灰度圖像進(jìn)行預(yù)處理，并提取不同強度等級的風(fēng)切變紋理，連接斷裂的風(fēng)切變紋理并過濾長...

本發(fā)明提出了一種基于自適應(yīng)對比度增強和多尺度小波變換的水下圖像增強方法。本發(fā)明根據(jù)衰減過程設(shè)立動態(tài)補償權(quán)重，根據(jù)圖像各顏色通道的占比來動態(tài)補償，能夠有效校正色偏圖像防止過飽和；通過優(yōu)化空間熵計算的自適應(yīng)直方圖均衡化策略，能夠有效提高對比...

本發(fā)明公開了一種三維無線傳感器網(wǎng)絡(luò)部署方法，屬于無線傳感器技術(shù)領(lǐng)域，包括：利用子群合并緊湊動物遷徙優(yōu)化算法對傳感器節(jié)點的初始位置進(jìn)行優(yōu)化，將整個種群劃分為若干個子群，每個子群采用概率模型表征，并通過環(huán)形通信策略進(jìn)行子群間精英交流，生成全...

本發(fā)明公開了一種基于多尺度特征融合的洪澇區(qū)域水體語義分割方法，步驟如下：S1，圖像經(jīng)骨干網(wǎng)絡(luò)MSWHRNet處理，得到高分辨率特征圖和低分辨率語義特征圖；S2，高分辨率特征圖和低分辨率語義特征圖進(jìn)入ASPP模塊，通過多尺度空洞卷積操作，...

本發(fā)明公開了一種雙觀測器抗網(wǎng)絡(luò)攻擊車輛軌跡跟蹤控制方法、系統(tǒng)和存儲介質(zhì)，方法包括：S1、構(gòu)建軌跡跟蹤系統(tǒng)，對系統(tǒng)中的非線性動態(tài)采用T?S模糊建模方法進(jìn)行建模；S2、構(gòu)建橫向動態(tài)擴展?fàn)顟B(tài)觀測器，基于IMU傳感器數(shù)據(jù)聯(lián)合估計車輛橫向狀態(tài)和固...

本發(fā)明涉及一種基于擴散圖神經(jīng)網(wǎng)絡(luò)的地面風(fēng)速延伸期預(yù)報方法，包括：獲取目標(biāo)起報日前的站點觀測數(shù)據(jù)和集合NWP成員預(yù)報結(jié)果，將站點觀測數(shù)據(jù)和集合NWP成員預(yù)報結(jié)果輸入地面風(fēng)速集合預(yù)報模型，獲取延伸期的地面風(fēng)速集合預(yù)報結(jié)果；地面風(fēng)速集合預(yù)報模...

本發(fā)明公開了一種全光譜白光LED的熒光粉組合物及其應(yīng)用，屬于LED技術(shù)領(lǐng)域，該組合物包含必選的青色熒光粉A、黃綠色熒光粉B、紅色熒光粉C、固化劑以及可選的橙紅色熒光粉D。其核心在于通過各熒光粉的光譜協(xié)同，并建立配比與目標(biāo)色溫的函數(shù)模型，...

本發(fā)明公開了一種基于多尺度上下文增強自注意力的電力負(fù)荷預(yù)測方法，包括以下步驟：S1，對原始電力負(fù)荷數(shù)據(jù)進(jìn)行預(yù)處理；S2，基于時間序列的周期性結(jié)構(gòu)，提取包括小時、日、周和月四個時間尺度的離散時間特征，捕捉電力負(fù)荷在不同時間尺度下的變化模式...

本發(fā)明公開了一種基于可微仿真優(yōu)化的無人機旋翼故障容錯控制方法，涉及無人機旋翼控制技術(shù)領(lǐng)域，步驟包括：構(gòu)建高保真可微四旋翼故障仿真平臺，建立無人機四旋翼動力學(xué)模型，通過故障注入模擬任意嚴(yán)重程度的單旋翼故障；進(jìn)行基于學(xué)習(xí)的被動容錯控制器訓(xùn)練...