康燕
- 作品数：17 被引量：37H指数：3
- 供职机构：河北科技师范学院数学与信息科技学院更多>>
- 发文基金：河北省教育厅课题河北省自然科学基金河北省社会科学发展研究课题更多>>
- 相关领域：自动化与计算机技术环境科学与工程文化科学电子电信更多>>
- 工业无线网络管理信息库访问接口设计与实现
- 随着无线通讯技术与工业控制技术相结合,产生了工业无线网络的全新概念,并且已经进行了初步应用。系统管理在工业无线网络中具有重要的地位,是对整个网络进行配置与监控的基础。本文介绍了工业无线网络集中式系统管理架构,管理信息库的...
- 康燕杨燕萍任长权冯海朋
- 关键词：系统管理MIB工业无线
- 文献传递
- 一种水环境监测数据中异常值的检测和修复方法
- 本发明涉及水环境监测技术领域，特别是涉及一种水环境监测数据中异常值的检测和修复方法。该方法包括以下步骤：(1)利用滑动窗口对水环境监测数据进行短期环比来检测异常值；(2)将水环境监测数据进行动态分割划分为各个子序列；(3...
- 宋金玲黄达黄立明康燕
- 超高层建筑内部人员定位系统的研究与应用被引量：4
- 2012年
- 超高层建筑防火是近年来公共安全领域的研究重点,而建筑物内部的人员定位则是其中的技术难点。依托具体科研项目,并以实际应用为出发点,开发出超高层建筑人员定位系统。介绍了系统的软、硬件开发平台,提出了超高层建筑室内定位的准则;重点分析了基于距离定位的三边测量法和三角形质心算法。仿真结果和误差分析表明:三角形质心算法更适合室内环境定位。
- 马鑫马伟疏学明马小雯康燕
- 关键词：超高层建筑公共安全仿真
- 基于困难区域划分思维的级联数据库查询方法
- 2014年
- 传统方法以不同数据库数据紧密逻辑特征和均值特征进行失效数据的定位,没有考虑逻辑特征被破坏带来的定位误差过大问题。提出基于困难区域划分思维的级联数据库查询方法。算法引入困难区域的概念,在设置初始簇中心时,以数据融合属性特征为基础,对属性融合差异较大的区域进行划分,形成融合困难区域,在困难区域内,计算最大的属性困难度的相似性,并对上述特征进行聚类分析,完成数据属性特征的筛选,优化查询过程。实验结果表明,利用该算法进行差异级联数据库的数据库查询,能够删除数据库中的冗余数据,提高数据库的查询效率。
- 刘闪康燕
- 关键词：数据查询
- 无线传感器网络上位机监控系统被引量：1
- 2009年
- 无线传感器网络是近些年广泛研究的领域之一,但大部分研究都是在仿真的基础上进行的,并没有真正地实现。文章分析了无线传感器的网络构成、网络拓扑以及网络与计算机互联的方案,设计并实现了基于Zigbee协议的无线传感器网络上位机监控系统。系统中的节点设备以较低功耗的CC2430芯片为核心,协调器通过串口和计算机相连。该系统能很好地实现节点入网、网络拓扑、信道和调度等信息的监控。文章还论述了上位机监控软件中文本和曲线显示的一些技巧。
- 冯海朋李勇康燕李颖
- 关键词：传感器网络无线网络上位机ZIGBEE
- 具有量子行为的粒子群优化算法的参数选择被引量：23
- 2007年
- Sun等人从量子力学的角度提出了具有量子行为的粒子群优化算法,它在搜索能力上优于传统的PSO算法,自适应参数的数目也比之较少。集中讨论了应用QPSO如何选择自适应参数的问题。介绍了QPSO算法,给出了随机模拟的实验结果,从而看到了参数值的选择如何影响粒子在QPSO中的收敛。最后,介绍了两种自适应参数控制方法和标准测试函数的实验结果。
- 康燕孙俊须文波
- 关键词：进化计算粒子群量子行为
- 一种水环境监测数据中异常值的检测和修复方法
- 本发明涉及水环境监测技术领域，特别是涉及一种水环境监测数据中异常值的检测和修复方法。该方法包括以下步骤：(1)利用滑动窗口对水环境监测数据进行短期环比来检测异常值；(2)将水环境监测数据进行动态分割划分为各个子序列；(3...
- 宋金玲黄达黄立明康燕
- 文献传递
- 基于对流扩散方程的水质预测模型研究
- 2024年
- 为了实现河流水质的细粒度监测,以对流扩散方程为基础,构建细小水段的水质关系模型,在空间维度上对流域水质进行预测。首先,求解一维对流扩散方程的显示差分解、隐式差分解和解析解(也叫精确解),构建出以一定的时间步长和空间步长为单位的细小水段水质关系模型,并对这些方法的精度进行验证。然后,依据木兰溪的实际水文情况,以某段为例,按照构建的对流扩散水质预测模型,求解该河段中某时刻各个节点的污染物浓度,实现该河段水质的细粒度预测,通过该应用验证隐式差分法具有较高的精度,使用隐式差分法进行空间维度预测具有一定可行性。
- 张晨璐宋金玲康燕张经武樊刘炎
- 关键词：水污染水质预测对流扩散方程数值模拟空间维度解析法
- 基于OVMD-TCN-AR的水质预测模型
- 2024年
- 近年来水质预测成为水环境管理领域的热点问题,但是水环境本身的复杂性和动态性导致水质预测时预测精度低、模型稳定性差。针对这些问题,基于最优变分模态分解(Optimality Variational ModeDecomposition,OVMD)、时间卷积网络(TemporalConvolutionalNetwork,TCN)、自回归模型(Autoregression,AR)提出了一种新的水质预测模型。首先,采用OVMD对原始数据进行分解,得到若干个子序列;然后,将分解的子序列作为TCN模型和AR模型的输入进行水质预测,并将两种模型的预测结果进行叠加重构得到最终预测结果;最后,采用龙华溪监测站的总磷数据进行实验验证。结果表明,OVMD-TCN-AR水质预测模型明显优于长短时记忆网络(Long Short Term Memory networks,LSTM)和长短期时间序列网络(Long-and Short-term Time-series network, LSTNet),OVMD-TCN-AR水质预测模型的平均绝对误差为0.00660,均方根误差为0.01166,MAPE为0.0494,拟合度为0.97,说明OVMD-TCN-AR水质预测模型具有较高的可靠性和应用价值。
- 张思萱康燕宋金玲孙逊刘晓晴
- 关键词：水质自回归模型
- 一种基于OVMD-GAT-GRU的流域水质预测方法
- 本发明公开了一种基于OVMD‑GAT‑GRU的流域水质预测方法，包括数据集：对本次实验的水质数据源流域9个干流监测站、4个支流监测站的真实监测数据进行数据采集，实验使用氨氮(NH3‑N)、总磷(TP)两个水质指标的监测数...
- 宋金玲蒙海涛黄立明康燕
