原始名称记载: 江苏海洋大学; 连云港全俱佳科技有限公司

本发明提出了一种基于融合模型的渤海海温预测模型，以往的研究主要通过单一模型进行预测，这些单一模型或多或少都会有相对应的局限性。为了解决这个问题，提出一种基于融合模型的渤海海温预测模型。通过融合Informer与LSTM模型，并通过特征优化及XGBoost校正，使模型获得更好的预测性能。该模型提升了半封闭海域海表温度的预测精度，为风暴潮预警、渔场调度及生态管理等海洋决策提供了高可靠性数据支撑。

本发明是一种基于YOLOv12深度神经网络与多模态特征融合的疲劳驾驶检测智能预警方法。该方法包括改进YOLOv12面部特征提取模块、LSTM‑Transformer时序建模模块和智能预警决策模块，通过构建混合神经网络架构，采用特征金字塔网络与C2f模块的协同优化，实现驾驶员面部疲劳状态的高精度识别与时序依赖建模的有机结合。创新性地设计了双向LSTM‑Transformer时序预测网络，通过多头自注意力机制引导的长距离时序依赖建模，实现疲劳发展趋势预测和临界点预警的智能融合。本方法有效解决了传统疲劳检测方法精度不高、时序建模能力薄弱的技术难题，在14,859张标注图像数据集上[email protected]达到97.9％，较传统方法提升显著，实验结果表明本模型在精确率96.2％、召回率96.9％等客观评价指标和实际应用场景的主观评价都拥有出色表现，在疲劳状态识别和预警决策中取得显著效果，具有显著的技术效果和产业应用价值。