一种自动化次洪划分与退水修正方法及系统

    公开(公告)号:CN116595345A

    公开(公告)日:2023-08-15

    申请号:CN202310313421.9

    申请日:2023-03-28

    摘要: 本发明公开了一种自动化次洪划分与退水修正方法及系统,包括以下步骤:步骤1:资料收集与处理;步骤2:基流分割;步骤3:雨洪事件初步划分;步骤4:多峰雨洪事件检验;步骤5:水位~流量绳套曲线拟合;步骤6:场次洪水过程修正。本发明针对多峰雨洪事件检验的难题,依据径流系数的概率分布进行K‑S检验,准确识别不同峰型,提高了自动化划分场次洪水的准确率;并且针对难以实现的自动化退水修正问题,本发明基于洪峰流量值分类的逆时针水位~流量绳套曲线拟合方法,修正场次洪水的流量过程,使其趋于合理化,显著减少了次洪划分与退水修正所需的人力与时间,有助于提高水文资料整编的效率,为完善流域自动预报预警系统提供技术支撑。

    一种水文-水动力学耦合的河道型水库调洪演算方法

    公开(公告)号:CN116542021A

    公开(公告)日:2023-08-04

    申请号:CN202310353164.1

    申请日:2023-04-04

    摘要: 本发明公开一种水文‑水力学耦合的河道型水库调洪演算方法,包括:从河道型水库入库流量控制站的前期实况和未来预报流量过程、区间支流实况流量和预报降雨出发;采用水文学方法,将入库站洪水过程演算到水库回水末端,采用水文预报模型将区间支流产流演算至水库交汇处;以水文学方法计算的回水末端断面洪水过程、水文模型计算的区间支流洪水过程、水库出库流量过程作为一维非恒定流水动力学模型计算边界条件,建立了河道型水库水文‑水动力学调洪演算模型;本发明围绕河道型水库坝前水位调洪计算精度差的难题,结合水文、水力学方法调洪演算特点,建立了河道型水库水文‑水力学调洪演算模型,为准确预测河道型水库水位过程提供了一种新的方法。

    一种基于产流机制的RBF神经网络中长期径流预测方法

    公开(公告)号:CN110188922A

    公开(公告)日:2019-08-30

    申请号:CN201910366579.6

    申请日:2019-05-05

    摘要: 一种基于产流机制的RBF神经网络中长期径流预测方法,包括如下步骤:从径流形成的物理过程出发,探究影响月径流形成的主要物理因子集;考虑径流形成的季节性差异,采用逐步回归分析法,对各月初选的物理因子集分别进行筛选,得出影响逐月径流的显著物理因子集;采用Matlab语言建立逐月径流预报RBF神经网络模型;优选逐月径流预报模型最佳组合参数;评价逐月径流预报模型预报效果。从径流产生的物理机制筛选显著因子集,有效保证了预测模型的物理意义,提高了预测模型计算的稳定性;本发明采用相对误差绝对平均值和相对误差合格率来定量评估模型的径流预测效果。

    数值预报产品预报误差校正方法
    37.
    发明公开

    公开(公告)号:CN118839125A

    公开(公告)日:2024-10-25

    申请号:CN202410811057.3

    申请日:2024-06-21

    摘要: 本发明公开了一种数值预报产品预报误差校正方法,包括获取数值预报产品预报数据和真实气象数据并计算出预报误差;基于MIC对预报数据和预报误差进行相关性分析,筛选关联因子;采用CEEMDAN将提取的关联因子和误差分解为多个子序列;对传统北方苍鹰优化算法NGO进行改进,得到改进的北方苍鹰算法INGO;对传统LSTM网络改进,得到共享权重门控记忆网络SWGMN;采用SWGMN对每个误差子序列进行预测,将每个误差子序列的预测结果累加得到最终的误差预测结果;将预报数据减去误差预测结果得到预报误差校正结果。本发明将改进的北方苍鹰算法INGO与SWGMN相结合,利用INGO来优化SWGMN的超参数,使得SWGMN的预测性能达到最优状态,进一步提高了总体模型的校正精度。

    复合洪水灾害风险评估方法及系统

    公开(公告)号:CN118735261A

    公开(公告)日:2024-10-01

    申请号:CN202410858790.0

    申请日:2024-06-28

    IPC分类号: G06Q10/0635 G06Q50/26

    摘要: 本申请提供了复合洪水灾害风险评估方法及系统,方法包括以下步骤:收集研究区灾情相关数据;计算获取复合洪水流域的汇流时间,构建两种复合洪水序列,并计算两者的重合年份占比;基于赤池信息准则,优选Copula函数;根据优选的Copula函数,计算获取两种复合洪水序列的联合分布概率,并从两种复合洪水序列中进行采样,构建复合洪水采样序列;输入复合洪水采样序列至构建的洪灾损失评估模型中,获取洪灾损失值;根据复合洪水采样序列的联合分布概率以及计算得到的相应洪灾损失值,基于期望年损失计算研究区的复合洪水灾害风险。本申请实现准确地评估复合洪水灾害风险,为流域防洪减灾以及科学实施洪水预警提供重要科学依据。

    一种基于Ka波段雷达卫星影像水体提取方法

    公开(公告)号:CN118397468A

    公开(公告)日:2024-07-26

    申请号:CN202410442544.7

    申请日:2024-04-12

    摘要: 本发明公开了一种基于Ka波段雷达卫星影像水体提取方法,利用Ka波段合成孔径雷达卫星获取湖库、河流高空间分辨率遥感图像,并对采集的数据进行预处理;然后构建改进的U‑Net深度学习模型,通过对得到的Ka波段遥感影像数据进行划分,从而构建样本集,将构建的训练集数据和验证数据集分别输入到改进的U‑Net模型中进行训练,将构建的测试数据集输入到训练后的改进的U‑Net模型中得到水体提取结果,最后利用多种评价指标对改进的U‑Net模型在测试数据集中的水体提取精度进行量化评估;本发明解决了现有技术在Ka波段SAR影像获取时水体提取效果不佳,噪声水平较高,容易受到地面建筑物影响的问题,能够有效准确的对Ka波段雷达影像进行水体提取与识别。