Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国水利水电科学研究院;青海省水利水电勘测规划设计研究院有限公司白音包力皋获国家专利权

中国水利水电科学研究院;青海省水利水电勘测规划设计研究院有限公司白音包力皋获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉中国水利水电科学研究院;青海省水利水电勘测规划设计研究院有限公司申请的专利一种含沙水流对鱼类致死影响预测的方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115600748B

龙图腾网通过国家知识产权局官网在2026-03-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211307011.5,技术领域涉及:G06Q10/063;该发明授权一种含沙水流对鱼类致死影响预测的方法是由白音包力皋;李晓晨;许凤冉;焦万明;李向东;穆祥鹏;曹平;董志强设计研发完成,并于2022-10-24向国家知识产权局提交的专利申请。

一种含沙水流对鱼类致死影响预测的方法在说明书摘要公布了:本发明涉及一种含沙水流对鱼类致死影响预测的方法,包括:数据采集;模型实验;构建反向传播神经网络模型;对反向传播神经网络模型训练;模型测试;预测应用。本发明利用反向传播神经网络模型和改进粒子群算法对含沙水流对鱼类致死影响进行预测,并通过多重误差运算对反向传播神经网络模型进行调整,提高了预测的准确度,使预测误差处于±6%以内。本发明可用于水库排沙、拆坝等情况下的高含沙水流过程对鱼类影响的评估,相比已有的SI、SEV等评估方法,本发明能够综合考虑各种环境因子的影响,在预测精度上有了较大提升,为评估水库排沙的水生态影响提供了新的手段和依据。

本发明授权一种含沙水流对鱼类致死影响预测的方法在权利要求书中公布了:1.一种含沙水流对鱼类致死影响预测的方法,其特征在于,所述方法的步骤如下: 步骤1,数据采集:采集研究对象的各项数据,包括:鱼种类、含沙量、泥沙中值粒径、水温、氧溶解度、持续时间,形成原始数据集; 步骤2,模型实验:根据原始数据集构建模拟真实环境的实验模型,在实验的模型中模拟被研究对象的生活环境,采集各项实验数据;实验数据至少包括:鱼种类和大小、持续时间、含沙量和沙颗粒级配、水温、溶解氧;由实验数据构建含沙水体中被研究对象死亡率的实验数据集; 步骤3,构建反向传播神经网络模型:构建包含输入层、隐含层和输出层的3层反向神经网络,训练算法为Bayes正则化算法,最大迭代次数20000,学习率按照经验设置为0.01; 1输入层:输入参数包括鱼种类、持续时间、含沙量、泥沙中值粒径、水温、溶解氧共6个实验观测数据;输入层与隐含层间选用双曲线正切函数Tansig作为传递函数;通过每个样本的6个变量记录原始的试验信息并传递给神经网络; 2隐含层:通过试算法得到隐含层神经元数量p=12,即隐含层共12个神经元;试算公式: 式中:p为隐含层神经元数量;m为输入层参数数量,取m=6;n为输出层参数数量,输出层为鱼类死亡率1个参数,故n=1;A为[1,10]之间的常数; 3输出层:输出层输出值要经过反归一化处理,输出结果为鱼类死亡率;隐含层与输出层间的选取线性函数Purelin作为传递函数; 4反向传播神经网络模型的预测能力判断:使用均方根误差、平均相对误差绝对值和纳什效率系数评价反向传播神经网络模型的预测能力,计算公式分别为: 均方根误差: 平均相对误差绝对值: 纳什效率系数: 式中:yi分别为神经网络输出层值和实验数据集的实测值,即鱼类死亡率的模拟值和实测值;为期望值的平均值,即鱼类死亡率实测值的平均值;i为样本数据组数;n为全部样本数据个数; 步骤4,对反向传播神经网络模型训练: 1根据室内实验数据集中选择数组数据,进行归一化处理,形成训练样本数据集; 2将训练样本数据集导入反向传播神经网络模型,对其中粒子群初始化; 3利用改进粒子群算法调用反向传播神经网络模型,以反向传播神经网络模型的输出误差作为适宜度函数;适宜度函数F: 式中:yki分别为反向传播神经网络输出值和训练样本数据集中的期望值,即鱼类死亡率的预测值和实测值;k为改进粒子群算法中的迭代次数; 改进粒子群算法和反向传播神经网络通过粒子信息和适宜度值进行信息耦合,通过不断迭代寻求最优适宜度的粒子群,即得到使得反向传播神经网络模型误差最小的参数; 4判断是否达到最大迭代数或预设精度,否则返回到步骤3; 5将寻优得到的权值和阈值赋予反向传播神经网络,再利用梯度下降法对反向传播神经网络进行训练; 步骤5,模型测试:实验数据集中另选数组数据形成测试样本数据集,将测试样本数据集输入经过步骤4训练的反向传播神经网络模型中,对反向传播神经网络进行测试,观察是否满足要求,如果不满足要求则调整反向传播神经网络参数并回到步骤4继续进行训练; 步骤6,预测应用:根据预测需求,结合待预测的水库排沙过程生成多组环境变量数据,并对这些组数据进行归一化处理,输入到训练完成的反向传播神经网络模型中,输出相应的鱼类死亡率预测值。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国水利水电科学研究院;青海省水利水电勘测规划设计研究院有限公司,其通讯地址为:100038 北京市海淀区车公庄西路20号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。