一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法

    公开(公告)号:CN114611290B

    公开(公告)日:2023-03-10

    申请号:CN202210237338.3

    申请日:2022-03-11

    IPC分类号: G06F30/20 G06F113/08

    摘要: 本发明公开了一种基于量变参数水文不确定性处理器的场次洪水水文模型实时预报方法,包括收集并整理研究流域的资料;构建水文模型;构建次洪预报模型;为组内各场次洪水分别设计目标函数;以目标函数最小为目标,利用目标函数优化算法对组内多场次洪水的目标函数同时进行优化,确定最优参数;确定实测流量过程和预报流量过程的边际分布和经验分布;推求转换空间上实测流量的先验密度函数和似然函数以及后验分布;推求原始空间场次洪水实测流量的后验分布函数;基于量变参数的水文不确定性处理器预报次洪径流过程。优点是:在流域全年场次洪水产汇流特性差异较大、调参者不具备丰富的调参经验的情况下,仍然能得到精度较高的实时洪水预报结果。

    一种基于土壤质地推求流域稳定下渗率的方法

    公开(公告)号:CN113468478A

    公开(公告)日:2021-10-01

    申请号:CN202110564312.5

    申请日:2021-05-24

    IPC分类号: G06F17/18 G06F16/29

    摘要: 本发明属于水文预报领域,具体公开了一种基于土壤质地推求流域稳定下渗率的方法,所述方法包括:对研究流域按照一定的方法进行子流域划分,得到包含子流域边界的.shp格式的地理信息文件;下载包含研究流域范围的土壤质地数据,并根据子流域边界文件,提取出研究流域各子流域的土壤质地数据;通过GIS统计分析工具,计算各子流域不同土壤质地的比例;通过物理实验建立各子流域特定的土壤质地的稳定下渗率对应关系,从而根据子流域的土壤质地组成推求子流域的稳定下渗率。

    一种非侵入式泵站控制系统液压执行机构异常分析的方法

    公开(公告)号:CN110991405A

    公开(公告)日:2020-04-10

    申请号:CN201911316914.8

    申请日:2019-12-19

    IPC分类号: G06K9/00 G06N3/04

    摘要: 本发明公开了一种非侵入式泵站控制系统液压执行机构异常分析的方法,包括以下步骤:采用视频服务器获取图像建立目标检测模型;获取待检测图像,将待检测图像代入所述目标检测模型进行检测,获取各个表计在视频中的位置;按照各个表计对应的位置抠出表计子图像,并将各个子图像代入非侵入识别模型进行图像识别;将识别出的示数存入数据库;读取数据库中各个表计数值并将其代入液压执行环节的异常检测模型,进行分析预警。充分利用现有视频设备,构建目标检测模型和特定的表计图像识别方式,无需增加控制系统负载状态,可以实时自动的检测执行机构的异常问题,并进行预警,在不提高成本的前提下有效提高泵站控制系统的监测效率。

    基于粒子群优化的K-means径流丰枯年份预报方法

    公开(公告)号:CN108647425B

    公开(公告)日:2019-05-21

    申请号:CN201810426527.9

    申请日:2018-05-07

    IPC分类号: G06F17/50 G06K9/62 G06N3/00

    摘要: 本发明公开了一种基于粒子群优化的K‑means径流丰枯年份预报方法,涉及水文预报技术领域。该方法,首先选定多年径流量数据作为历史样本,并分为训练集和验证集,通过粒子群优化算法对训练集中的样本进行寻优,得到多组预报因子组合,将各组预报因子组合分别用于K‑means聚类算法中进行训练集样本的聚类,对得到的聚类结果分别计算准确率,选取准确率最高的结果以及对应的预报因子组合,经过检测集检验合格后,利用该预报因子组合来进行预报年份径流丰枯年的预报,极大的提高了径流丰枯年的预报精度、合理性以及实用性,可以作为中长期径流丰枯年份预报的一种有效的方法。

    基于粒子群优化的K-means径流丰枯年份预报方法

    公开(公告)号:CN108647425A

    公开(公告)日:2018-10-12

    申请号:CN201810426527.9

    申请日:2018-05-07

    IPC分类号: G06F17/50 G06K9/62 G06N3/00

    摘要: 本发明公开了一种基于粒子群优化的K-means径流丰枯年份预报方法,涉及水文预报技术领域。该方法,首先选定多年径流量数据作为历史样本,并分为训练集和验证集,通过粒子群优化算法对训练集中的样本进行寻优,得到多组预报因子组合,将各组预报因子组合分别用于K-means聚类算法中进行训练集样本的聚类,对得到的聚类结果分别计算准确率,选取准确率最高的结果以及对应的预报因子组合,经过检测集检验合格后,利用该预报因子组合来进行预报年份径流丰枯年的预报,极大的提高了径流丰枯年的预报精度、合理性以及实用性,可以作为中长期径流丰枯年份预报的一种有效的方法。

    一种基于灰狼算法的梯级泵站扬程分配的优化方法

    公开(公告)号:CN109146168B

    公开(公告)日:2022-05-13

    申请号:CN201810934977.9

    申请日:2018-08-16

    IPC分类号: G06Q10/04 G06Q10/06 G06Q50/06

    摘要: 本发明公开了一种基于灰狼算法的梯级泵站扬程分配的优化方法,涉及水利系统优化领域。采用大系统分解‑协调模型,将梯级泵站扬程优化分配系统分为两级子系统,并对两级子系统分别采用GWO算法进行系统模型的求解,通过第二层子系统计算各级泵站的流量与扬程分配,并作为初始值代入第一层子系统,得到第二层子系统传递来的对应某一级泵站流量与扬程下的站内流量最优分配,并返回第二层子系统中,计算得第二层子系统的最优值从而得到梯级泵站的扬程最优分配,提高了优化计算的精度,从而提高了梯级泵站运行的效率;另外,本发明考虑了渠道输水损失,并将计算得到的水头损失服务于梯级泵站扬程优化分配,从而实现了扬程优化分配过程的全面模拟。