CN112763978A - 一种用于矿井灾后救援场景的目标定位方法 - Google Patents
一种用于矿井灾后救援场景的目标定位方法 Download PDFInfo
- Publication number
- CN112763978A CN112763978A CN202011595932.7A CN202011595932A CN112763978A CN 112763978 A CN112763978 A CN 112763978A CN 202011595932 A CN202011595932 A CN 202011595932A CN 112763978 A CN112763978 A CN 112763978A
- Authority
- CN
- China
- Prior art keywords
- matrix
- node
- evaluated
- nodes
- ideal solution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/14—Determining absolute distances from a plurality of spaced points of known location
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0205—Details
- G01S5/021—Calibration, monitoring or correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0252—Radio frequency fingerprinting
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种用于矿井灾后救援场景的目标定位方法,先获取待评价节点的邻居节点信息、环境因素、节点剩余能量,然后利用上述数据构建判断矩阵并进行一致性检验,最终获得通过检验的判断矩阵;建立待评价节点的特征矩阵,并计算出规范化特征矩阵,将通过一致性检验的判断矩阵和规范化特征矩阵联合起来构造权重矩阵,进而确定理想解和反理想解,并计算待评价节点分别与理想解和反理想解的欧式距离,利用该距离计算出待评价节点与理想解的贴进度,将贴近度作为待评价节点漂移的可信度,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作,从而有效保证目标定位的精度。
Description
技术领域
本发明涉及一种目标定位方法,具体是一种用于矿井灾后救援场景的目标定位方法。
背景技术
煤炭是我国的主体能源,煤炭开采长期遭受瓦斯、顶板等事故的威胁。发生煤矿事故后,准确确定受困人员位置是提高应急响应速度和提高救援效果的关键。只有确定了被困人员的准确位置,才能有的放矢的开展救援工作。矿井目标定位一般采用基于测距的定位方法,它以分布在矿井各个已知位置的信标节点作为参考确定目标节点位置。然而,煤矿事故会导致部分信标节点损毁,剩下的信标节点也有可能随着煤岩体的移动偏离原来位置,简称信标漂移。
一旦发生信标漂移,信标节点的位置将变成未知量,从而使得矿井定位系统失去赖以定位的参考位置。若依然采用漂移前的信标位置进行定位,定位误差必然加大甚至完全错误。方便起见,将发生信标漂移后的目标定位称为重定位,因此为了保证矿井灾后的目标定位精度,其关键是如何选择出没有发生漂移或漂移量小的节点作为新的信标节点,即如何确定重定位信标节点,是本行业的研究方向。
发明内容
针对上述现有技术存在的问题,本发明提供一种用于矿井灾后救援场景的目标定位方法,在矿井灾后能确定没有发生漂移或漂移量尽可能小的节点,将其作为新的信标节点进行后续目标定位,从而有效保证目标定位的精度。
为了实现上述目的,本发明采用的技术方案是:一种用于矿井灾后救援场景的目标定位方法,具体步骤为:
步骤一、将矿井灾后有可能发生漂移的信标节点作为待评价节点,获取待评价节点的邻居节点信息、环境因素和节点剩余能量,所述邻居节点信息包括邻居节点与待评价节点的距离变化量和邻居节点数量;所述环境因素包括温度、湿度和风速;其中邻居节点与待评价节点的距离变化量通过已知的相对定位方法计算得出,邻居节点数量和节点剩余能量通过邻居节点间的信息交换得到,环境因素由测量获得;
步骤二、根据步骤一获取的数据,构建判断矩阵并进行一致性检验后,最终获得通过检验的判断矩阵;
步骤三、建立待评价节点的特征矩阵,并计算出规范化特征矩阵,将步骤二获得的判断矩阵和规范化特征矩阵联合起来构造权重矩阵,进而确定理想解和反理想解,并计算待评价节点分别与理想解和反理想解的欧式距离,利用获取的欧式距离计算出待评价节点与理想解的贴进度,将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。。
进一步,所述步骤二具体为:
①构造层次模型:目标层为待评价节点的可信度判断矩阵;准则层包括邻居节点信息B1、环境因素B2、节点剩余能量B3;因素层即节点漂移影响因素,包括邻居节点与待评价节点的距离变化量C1、邻居节点数量C2、温度C3、湿度C4、风速C5以及节点剩余能量C6共6项;
②构造各层次的判断矩阵:若满足aij>0,aij=1/aji,其中1≤i,j,k≤n,则A为正互反矩阵,其中aij为矩阵A的第i行第j列元素;满足aijajk=aik,其中1≤i,j,k≤n的正互反矩阵A称为一致性矩阵;先确定各层中各类因素的重要性并根据表1进行相互对比确定权重,构建B1、B2、B3对待评价节点的可信度判断矩阵P1,C1、C2对B1的判断矩阵P2,C3、C4、C5对B2的判断矩阵P3,C6对B3的判断矩阵P4;其中,P1、P2、P3和P4是矩阵A=[aij]的具体化;
表1判断矩阵标度
③对判断矩阵P1和P3进行一致性检验:阶数大于等于3的判断矩阵不一定能严格满足完全一致要求,不一致程度越严重,引起的判断误差越大。但判断矩阵很难达到完全满足一致性,因此通过设定特定的一致性指标进行判断,当判断矩阵的一致性满足指标要求时就认为它符合要求,满足一致性的判断矩阵称为一致阵。确定矩阵一致性通过一致性比率CR表征,其计算方法如式(1)所示:
其中CI是不一致程度指标;γ为平均随机一致性指标,见表2;λmax为判断矩阵的最大特征值;λ为判断矩阵的阶数;如果CR<0.1,则认为矩阵满足一致性要求;否则,矩阵不满足一致性要求,需要重新确定各个因素的权重并再次构造判断矩阵;
④计算单层次权重:P4仅含一个因素,权重为1;计算满足PxW=λmax1W的特征根与特征向量,其中x取值为1或2或3,计算某个矩阵,则取对应的值;λmax1为矩阵P1的最大特征值,W为λmax1的正规化的特征向量,W的分量即为相应元素的单层次权重;
表2平均随机一致性指标
⑤总层次权重:所有因素C1~C6的总权重N由该因素在准则层中所占的权重乘以准则层在目标层的权重得到;比如邻居节点的距离变化量在邻居节点信息中所占权重为w11,邻居节点的距离变化量在节点可信度判断矩阵中所占权重为w1,则邻居节点的距离变化量在总排序中所占权重n1=w11*w1。将6个因素所占总权重记为N=[n1,n2,n3,n4,n5,n6],n的下标表示节点可信度影响因素的序号,与C的下标含义相同;N是6行1列的矩阵,从而完成判断矩阵的构建。
进一步,所述步骤三具体为:
I、假定共有n个节点,每个节点有6个可信度影响因素,那么能利用式(2)建立特征矩阵D;
其中i=1,2,...,m,j=1,2,...,n;i表示第i个影响因素,与层次分析法的影响因素相同;j表示第j个节点;
Ⅱ、利用式(3)计算规范化向量rij,构成规范化矩阵R,如式(4)所示;
Ⅲ、利用式(5)构造权重规范矩阵V,权重规范化值为vij;
Ⅴ、计算距离尺度:通过式(8)和式(9)计算待评价节点到理想解和反理想解的n维欧几里得距离S+和S-;
将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。
与现有技术相比,本发明先获取待评价节点的邻居节点信息、环境因素、节点剩余能量,然后利用上述数据构建判断矩阵并进行一致性检验,最终获得通过检验的判断矩阵;随后,建立待评价节点的特征矩阵,并计算出规范化特征矩阵,将通过一致性检验的判断矩阵和规范化特征矩阵联合起来构造权重矩阵,进而确定理想解和反理想解,并计算待评价节点分别与理想解和反理想解的欧式距离,利用该距离计算出待评价节点与理想解的贴进度,将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。因此本发明能在矿井灾后确定没有发生漂移或漂移量尽可能小的节点,将其作为新的信标节点进行后续目标定位,从而有效保证目标定位的精度。
附图说明
图1是本发明的整体流程图;
图2是本发明中判断矩阵的层次分析模型示意图。
具体实施方式
下面将对本发明作进一步说明。
如图1所示,本发明的具体步骤为:
步骤一、将矿井灾后有可能发生漂移的信标节点作为待评价节点,获取待评价节点的邻居节点信息、环境因素和节点剩余能量,所述邻居节点信息包括邻居节点与待评价节点的距离变化量和邻居节点数量;所述环境因素包括温度、湿度和风速;其中邻居节点与待评价节点的距离变化量通过已知的相对定位方法计算得出,邻居节点数量和节点剩余能量通过邻居节点间的信息交换得到,环境因素由测量获得;
步骤二、根据步骤一获取的数据,构建判断矩阵并进行一致性检验后,最终获得通过检验的判断矩阵;
步骤三、建立待评价节点的特征矩阵,并计算出规范化特征矩阵,将步骤二获得的判断矩阵和规范化特征矩阵联合起来构造权重矩阵,进而确定理想解和反理想解,并计算待评价节点分别与理想解和反理想解的欧式距离,利用获取的欧式距离计算出待评价节点与理想解的贴进度,将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。。
进一步,所述步骤二具体为:
①构造层次模型:层次分析模型包括目标层、准则层和因素层,目标层为待评价节点的可信度判断矩阵;准则层包括邻居节点信息B1、环境因素B2、节点剩余能量B3;因素层即节点漂移影响因素,包括邻居节点与待评价节点的距离变化量C1、邻居节点数量C2、温度C3、湿度C4、风速C5以及节点剩余能量C6共6项,如图2所示;
②构造各层次的判断矩阵:若满足aij>0,aij=1/aji,其中1≤i,j,k≤n,则A为正互反矩阵,其中aij为矩阵A的第i行第j列元素;满足aijajk=aik,其中1≤i,j,k≤n的正互反矩阵A称为一致性矩阵;先确定各层中各类因素的重要性并根据表1进行相互对比确定权重,构建B1、B2、B3对待评价节点的可信度判断矩阵P1,C1、C2对B1的判断矩阵P2,C3、C4、C5对B2的判断矩阵P3,C6对B3的判断矩阵P4;其中,P1、P2、P3和P4是矩阵A=[aij]的具体化;
表3判断矩阵标度
首先构造上三角矩阵,比较第i个因素和第j个因素,按照表1得到二者的比重,将其作为判断矩阵第i行第j列的元素aij,显然,对角线元素aii全为1。然后,根据正互反矩阵规律,从上三角矩阵得到矩阵其余元素的值。根据该方法,依次构造出上述4个判断矩阵P1、P2、P3和P4。其中P4由于只包含一个元素,所以其权重为1。
③对判断矩阵P1和P3进行一致性检验:阶数大于等于3的判断矩阵不一定能严格满足完全一致要求,不一致程度越严重,引起的判断误差越大。但判断矩阵很难达到完全满足一致性,因此通过设定特定的一致性指标进行判断,当判断矩阵的一致性满足指标要求时就认为它符合要求,满足一致性的判断矩阵称为一致阵。确定矩阵一致性通过一致性比率CR表征,其计算方法如式(1)所示:
其中CI是不一致程度指标;γ为平均随机一致性指标,见表2;λmax为判断矩阵的最大特征值;λ为判断矩阵的阶数;如果CR<0.1,则认为矩阵满足一致性要求;否则,矩阵不满足一致性要求,需要重新确定各个因素的权重并再次构造判断矩阵;
④计算单层次权重:P4仅含一个因素,权重为1;计算满足PxW=λmax1W的特征根与特征向量,其中x取值为1或2或3,计算某个矩阵,则取对应的值;λmax1为矩阵P1的最大特征值,W为λmax1的正规化的特征向量,W的分量即为相应元素的单层次权重;
表4平均随机一致性指标
⑤总层次权重:所有因素C1~C6的总权重N由该因素在准则层中所占的权重乘以准则层在目标层的权重得到;比如邻居节点的距离变化量在邻居节点信息中所占权重为w11,邻居节点的距离变化量在节点可信度判断矩阵中所占权重为w1,则邻居节点的距离变化量在总排序中所占权重n1=w11*w1。将6个因素所占总权重记为N=[n1,n2,n3,n4,n5,n6],n的下标表示节点可信度影响因素的序号,与C的下标含义相同;N是6行1列的矩阵,从而完成判断矩阵的构建。
进一步,所述步骤三具体为:
I、假定共有n个节点,每个节点有6个可信度影响因素,那么能利用式(2)建立特征矩阵D;
其中i=1,2,...,m,j=1,2,...,n;i表示第i个影响因素,与层次分析法的影响因素相同;j表示第j个节点;
Ⅱ、利用式(3)计算规范化向量rij,构成规范化矩阵R,如式(4)所示;
Ⅲ、利用式(5)构造权重规范矩阵V,权重规范化值为vij;
Ⅴ、计算距离尺度:通过式(8)和式(9)计算待评价节点到理想解和反理想解的n维欧几里得距离S+和S-;
由于理想化信标节点有两个,一个是肯定的理想信标节点或称最优信标节点,一个是否定的理想信标节点或称最劣信标节点。可信度最高的信标节点应与最优信标节点距离最近,而与最劣信标节点距离最远;因此将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。
Claims (3)
1.一种用于矿井灾后救援场景的目标定位方法,其特征在于,具体步骤为:
步骤一、将矿井灾后有可能发生漂移的信标节点作为待评价节点,获取待评价节点的邻居节点信息、环境因素和节点剩余能量,所述邻居节点信息包括邻居节点与待评价节点的距离变化量和邻居节点数量;所述环境因素包括温度、湿度和风速;其中邻居节点与待评价节点的距离变化量通过已知的相对定位方法计算得出,邻居节点数量和节点剩余能量通过邻居节点间的信息交换得到,环境因素由测量获得;
步骤二、根据步骤一获取的数据,构建判断矩阵并进行一致性检验后,最终获得通过检验的判断矩阵;
步骤三、建立待评价节点的特征矩阵,并计算出规范化特征矩阵,将步骤二获得的判断矩阵和规范化特征矩阵联合起来构造权重矩阵,进而确定理想解和反理想解,并计算待评价节点分别与理想解和反理想解的欧式距离,利用获取的欧式距离计算出待评价节点与理想解的贴进度,将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。
2.根据权利要求1所述的一种用于矿井灾后救援场景的目标定位方法,其特征在于,所述步骤二具体为:
①构造层次模型:目标层为待评价节点的可信度判断矩阵;准则层包括邻居节点信息B1、环境因素B2、节点剩余能量B3;因素层即节点漂移影响因素,包括邻居节点与待评价节点的距离变化量C1、邻居节点数量C2、温度C3、湿度C4、风速C5以及节点剩余能量C6共6项;
②构造各层次的判断矩阵:若满足aij>0,aij=1/aji,其中1≤i,j,k≤n,则A为正互反矩阵,其中aij为矩阵A的第i行第j列元素;满足aijajk=aik,其中1≤i,j,k≤n的正互反矩阵A称为一致性矩阵;先确定各层中各类因素的重要性并根据表1进行相互对比确定权重,构建B1、B2、B3对待评价节点的可信度判断矩阵P1,C1、C2对B1的判断矩阵P2,C3、C4、C5对B2的判断矩阵P3,C6对B3的判断矩阵P4;其中,P1、P2、P3和P4是矩阵A=[aij]的具体化;
表1判断矩阵标度
③对判断矩阵P1和P3进行一致性检验:确定矩阵一致性通过一致性比率CR表征,其计算方法如式(1)所示:
其中CI是不一致程度指标;γ为平均随机一致性指标,见表2;λmax为判断矩阵的最大特征值;λ为判断矩阵的阶数;如果CR<0.1,则认为矩阵满足一致性要求;否则,矩阵不满足一致性要求,需要重新确定各个因素的权重并再次构造判断矩阵;
④计算单层次权重:P4仅含一个因素,权重为1;计算满足PxW=λmax1W的特征根与特征向量,其中x取值为1或2或3,计算某个矩阵,则取对应的值;λmax1为矩阵P1的最大特征值,W为λmax1的正规化的特征向量,W的分量即为相应元素的单层次权重;
表2平均随机一致性指标
⑤总层次权重:所有因素C1~C6的总权重N由该因素在准则层中所占的权重乘以准则层在目标层的权重得到;将6个因素所占总权重记为N=[n1,n2,n3,n4,n5,n6],n的下标表示节点可信度影响因素的序号,与C的下标含义相同;N是6行1列的矩阵,从而完成判断矩阵的构建。
3.根据权利要求1所述的一种用于矿井灾后救援场景的目标定位方法,其特征在于,所述步骤三具体为:
I、假定共有n个节点,每个节点有6个可信度影响因素,那么能利用式(2)建立特征矩阵D;
其中i=1,2,...,m,j=1,2,...,n;i表示第i个影响因素,与层次分析法的影响因素相同;j表示第j个节点;
Ⅱ、利用式(3)计算规范化向量rij,构成规范化矩阵R,如式(4)所示;
Ⅲ、利用式(5)构造权重规范矩阵V,权重规范化值为vij;
Ⅴ、计算距离尺度:通过式(8)和式(9)计算待评价节点到理想解和反理想解的n维欧几里得距离S+和S-;
将贴近度作为待评价节点漂移的可信度,并将各个待评价节点按照可信度由大到小排序,接着选择多个可信度较大的待评价节点作为最终的信标节点,最后根据确定的信标节点采用已知定位算法完成目标定位工作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011595932.7A CN112763978A (zh) | 2020-12-29 | 2020-12-29 | 一种用于矿井灾后救援场景的目标定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011595932.7A CN112763978A (zh) | 2020-12-29 | 2020-12-29 | 一种用于矿井灾后救援场景的目标定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112763978A true CN112763978A (zh) | 2021-05-07 |
Family
ID=75696925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011595932.7A Pending CN112763978A (zh) | 2020-12-29 | 2020-12-29 | 一种用于矿井灾后救援场景的目标定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112763978A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411744A (zh) * | 2021-06-21 | 2021-09-17 | 中国矿业大学 | 一种高精度的室内定位追踪方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021284A (zh) * | 2014-05-23 | 2014-09-03 | 河海大学 | 一种地面沉降危害性评价方法 |
CN104217122A (zh) * | 2014-09-15 | 2014-12-17 | 北京市市政工程研究院 | 基于多元信息预警系统的隧道施工过程安全评价方法 |
CN104618984A (zh) * | 2015-02-02 | 2015-05-13 | 巫立斌 | 最优网络节点接入方法 |
KR20160011776A (ko) * | 2014-07-22 | 2016-02-02 | 성균관대학교산학협력단 | 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법 |
CN109409756A (zh) * | 2018-11-02 | 2019-03-01 | 河南工程学院 | 基于ahp的建筑施工现场安全评价方法 |
CN111428989A (zh) * | 2020-03-20 | 2020-07-17 | 三峡大学 | 一种基于topsis模型的矿业遗迹综合评价方法 |
CN112016742A (zh) * | 2020-08-21 | 2020-12-01 | 东南大学 | 一种基于ahp的消防救援路径选择算法的优化方法 |
-
2020
- 2020-12-29 CN CN202011595932.7A patent/CN112763978A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021284A (zh) * | 2014-05-23 | 2014-09-03 | 河海大学 | 一种地面沉降危害性评价方法 |
KR20160011776A (ko) * | 2014-07-22 | 2016-02-02 | 성균관대학교산학협력단 | 다중 의사 결정 문제 해결을 위한 계층적 분석 기법, 회색수 및 엔트로피 기반의 해법 연산 방법 |
CN104217122A (zh) * | 2014-09-15 | 2014-12-17 | 北京市市政工程研究院 | 基于多元信息预警系统的隧道施工过程安全评价方法 |
CN104618984A (zh) * | 2015-02-02 | 2015-05-13 | 巫立斌 | 最优网络节点接入方法 |
CN109409756A (zh) * | 2018-11-02 | 2019-03-01 | 河南工程学院 | 基于ahp的建筑施工现场安全评价方法 |
CN111428989A (zh) * | 2020-03-20 | 2020-07-17 | 三峡大学 | 一种基于topsis模型的矿业遗迹综合评价方法 |
CN112016742A (zh) * | 2020-08-21 | 2020-12-01 | 东南大学 | 一种基于ahp的消防救援路径选择算法的优化方法 |
Non-Patent Citations (1)
Title |
---|
刘守强等: "基于GIS的改进AHP型脆弱指数法", 《地球科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411744A (zh) * | 2021-06-21 | 2021-09-17 | 中国矿业大学 | 一种高精度的室内定位追踪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112465243B (zh) | 一种空气质量预报方法及系统 | |
CN109902677A (zh) | 一种基于深度学习的车辆检测方法 | |
CN105045975A (zh) | 基于贝叶斯网络模型的道路运输事故的风险评估方法 | |
CN113537600B (zh) | 一种全过程耦合机器学习的中长期降水预报建模方法 | |
CN108446711A (zh) | 一种基于迁移学习的软件缺陷预测方法 | |
CN108733976B (zh) | 基于融合生物与拓扑特征的关键蛋白质识别方法 | |
CN105787170B (zh) | 一种基于全因子试验的组合簧片式空间可展结构优化设计方法 | |
CN106022528A (zh) | 一种基于密度峰值层次聚类的光伏电站短期功率预测方法 | |
CN104462184A (zh) | 一种基于双向抽样组合的大规模数据异常识别方法 | |
CN102694800A (zh) | 网络安全态势预测的高斯过程回归方法 | |
CN104298778A (zh) | 一种基于关联规则树的轧钢产品质量的预测方法及系统 | |
CN104298893A (zh) | 一种基因表达缺失数据的填补方法 | |
CN111191741A (zh) | 一种岩石识别深度学习模型岩石分类约束继承性损失方法 | |
CN112763978A (zh) | 一种用于矿井灾后救援场景的目标定位方法 | |
CN103020321B (zh) | 近邻搜索方法与系统 | |
CN104835073A (zh) | 基于直觉模糊熵权的无人飞行器控制系统运行绩效评价方法 | |
CN109492816B (zh) | 一种基于混合智能的煤与瓦斯突出动态预测方法 | |
CN105844334A (zh) | 一种基于径向基神经网络的温度插值算法 | |
CN112819087B (zh) | 一种基于模块化神经网络的出水bod传感器异常检测方法 | |
Vallabhaneni et al. | Application of radial basis neural network on damage assessment of structures | |
CN116894180B (zh) | 一种基于异构图注意力网络的产品制造质量预测方法 | |
CN115587664B (zh) | 基于图卷积长短期记忆网络的太阳辐射预测方法及系统 | |
CN114819191B (zh) | 一种高排放道路移动源识别方法、系统及存储介质 | |
CN113536415A (zh) | 一种基于典型环境差异的综合指标体系桥梁比选方法 | |
CN114626594A (zh) | 一种基于聚类分析和深度学习的中长期电量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210507 |
|
RJ01 | Rejection of invention patent application after publication |