-
公开(公告)号：CN114943361A
公开(公告)日：2022-08-26
申请号：CN202210256098.1
申请日：2022-03-15
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
Abstract: 本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。
-
公开(公告)号：CN114970171A
公开(公告)日：2022-08-30
申请号：CN202210613754.9
申请日：2022-05-31
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06F30/20 , G06F111/08 , G06F113/08
Abstract: 本发明公开了一种考虑产流结构不确定性的水文模型及对地表地下水文过程影响的量化方法，本发明将产流结构中地表径流、壤中流和基流结构的不确定性用参数进行量化，联合增加的汇流模块构建了一个考虑产流结构不确定性的水文模型，相对于原始的水文模型具有更高的精度，可对产流结构中地表径流、壤中流和基流的不确定性及其对地表地下水文过程影响进行量化，可以更好地提升径流模拟的精度，提升对水文物理过程基础规律的理解和认识。
-
公开(公告)号：CN114943361B
公开(公告)日：2023-04-18
申请号：CN202210256098.1
申请日：2022-03-15
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
Abstract: 本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。
-
公开(公告)号：CN114970171B
公开(公告)日：2023-03-14
申请号：CN202210613754.9
申请日：2022-05-31
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06F30/20 , G06F111/08 , G06F113/08
Abstract: 本发明公开了一种考虑产流结构不确定性的水文模型及对地表地下水文过程影响的量化方法，本发明将产流结构中地表径流、壤中流和基流结构的不确定性用参数进行量化，联合增加的汇流模块构建了一个考虑产流结构不确定性的水文模型，相对于原始的水文模型具有更高的精度，可对产流结构中地表径流、壤中流和基流的不确定性及其对地表地下水文过程影响进行量化，可以更好地提升径流模拟的精度，提升对水文物理过程基础规律的理解和认识。
-
-
-
Search Results
4
records
(took 0.055 seconds)
