-
公开(公告)号：CN118916851A
公开(公告)日：2024-11-08
申请号：CN202411377063.9
申请日：2024-09-30
Applicant: 中国电建集团华东勘测设计研究院有限公司
Abstract: 本发明提供一种基于水文数据特征提取与样本增强的洪水智能预报方法、系统、设备及介质，首先，收集历史洪水事件数据，并通过LASSO方法进行特征提取，将数据划分为训练集和测试集；其次，采用高斯数据增强对训练集添加高斯噪声；然后，构建基于GANformer的洪水智能预报模型；采用Sobol序列和正余弦优化策略对开普勒优化算法KOA进行改进，利用改进后的IKOA算法优化GANformer模型的学习率、批次大小和隐藏层数等重要参数；最后，将优化后的GANformer模型应用于洪水预报，为防洪减灾提供实时、准确的洪水预警信息。本发明能有效提高洪水预报的准确性和可靠性，为防洪减灾工作提供有力支撑。
-
公开(公告)号：CN117874485A
公开(公告)日：2024-04-12
申请号：CN202311676757.8
申请日：2023-12-07
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 杭州华辰电力控制工程有限公司
IPC: G06F18/213 , G06F18/21 , G06F18/214 , G06F18/23 , G06Q50/26
Abstract: 本发明提供一种基于概念‑数据驱动耦合的洪水智能预报方法、系统、装置及介质，先采用基于云模型的聚类算法对历史洪水事件进行聚类得到洪水类型；针对概念水文模型拟合精度对汇流参数敏感，以TFTformer模型代替新安江概念模型的线性水库及河道马斯京根河网汇流，构建概念‑数据驱动耦合洪水预报模型预测洪峰流量和径流深度，并采用进化算法对模型进行参数率定，同时针对优化算法固有的易陷入局部最优的缺点，引入莱维飞行与黄金正弦策略进行改进；最后采用时空图卷积网络对上述预测结果进行误差校正并输出洪水类型进行智能预报。本发明可以预测洪峰流量和洪水过程，提前发出洪水预警，紧急疏散人群、加固临时防洪设施和采集紧急抢险措施，最大程度地减少人员伤亡和财产损失。
-
公开(公告)号：CN119202542A
公开(公告)日：2024-12-27
申请号：CN202411680280.5
申请日：2024-11-22
Applicant: 中国电建集团华东勘测设计研究院有限公司
IPC: G06F18/10 , G06N3/0475 , G06N3/094 , G06N3/045 , G08B31/00
Abstract: 本发明提供一种基于数据缺失多重填补的大坝安全监测预警系统及方法，同时结合欧式空间数据缺失值的ATTGAN填补法和成分数据缺失值ATTGAN填补法，对不同缺失量异常量的数据集进行缺失值填补，既弥补了缺失值过多对大坝预警系统带来的影响，又避免了因为缺失值填补方法选择不当，导致缺失值填补误差率过大；再通过数据处理后的数据集利用指数分布优化器优化后的记忆减退型在线序列极限学习机对未来时刻的数据进行预测，提高了监测预警系统的精准度和完整度；将数据发送至监控平台，判断大坝的安全状态，并及时发出警报，既能很好的满足对大坝安全实时监测的要求，又能提高大坝安全管理的精准度。
-
Patent Agency Ranking
公开(公告)号：CN118607687A
公开(公告)日：2024-09-06
申请号：CN202410423743.3
申请日：2024-04-09
Applicant: 中国电建集团华东勘测设计研究院有限公司 , 杭州华辰电力控制工程有限公司
IPC: G06Q10/04 , G06Q50/26 , G06Q50/06 , G06F18/213 , G06F18/25 , G06N5/01 , G06N3/006 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/049 , G06F18/2131 , G06F123/02
Abstract: 本发明提供一种基于分解集成与智能加权的城市需水量组合预测方法、电子设备及介质，所述方法包括如下步骤：收集城市用水量数据，对数据进行预处理；采用极点对称模态分解将数据分解成各种子序列，通过模糊熵评价子序列的复杂度，对具有高熵值的子序列通过经验小波变换进行再分解，再将分解得到的子序列根据相似度和复杂度重构为几个新的分量；针对单一预测模型不能充分捕捉分量的所有特征的缺陷，采用BiGRU和TimesNet组合权重预测模型更全面的捕获序列中的非线性关系；采用改进的开普勒优化算法寻求两个单独的预测模型的最佳权重；将多个分量的组合预测结果相加获得最终需水量结果，对城市供水保障、水资源利用和可持续发展具有重要意义。
-
公开(公告)号：CN117973600A
公开(公告)日：2024-05-03
申请号：CN202410050680.1
申请日：2024-01-12
Applicant: 杭州华辰电力控制工程有限公司 , 中国电建集团华东勘测设计研究院有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F16/215 , G06N20/00 , G06N20/20 , G06N3/0985 , G06N3/006 , G06N5/01 , G06N3/0442 , G06F17/10
Abstract: 本发明公开了一种基于多源数据融合集成的水库水位预测方法，首先，收集历史水位数据及其影响因素数据，进行清洗和标准化处理；然后，采用XGBoost特征选择算法对水位的影响因素做特征提取；建立基于Stacking集成学习的水位预测模型，初级学习器为Bilstm、KNNR、LightGBM，元学习器为RELM，利用改进后的智能优化算法优化元学习器预测模型的超参数；将历史水位数据以及最佳特征数据输入到各初级学习器中，获得初级学习器的预测结果；根据各初级学习器自身的预测精度，为初级学习器赋予相应的权值，再代入元学习器进行训练，得到最终的预测结果。该方法可以有效地利用历史水位信息和其他相关变量之间的关系，提高水位预测的准确性和可靠性。
-
公开(公告)号：CN118916851B
公开(公告)日：2025-01-03
申请号：CN202411377063.9
申请日：2024-09-30
Applicant: 中国电建集团华东勘测设计研究院有限公司
Abstract: 本发明提供一种基于水文数据特征提取与样本增强的洪水智能预报方法、系统、设备及介质，首先，收集历史洪水事件数据，并通过LASSO方法进行特征提取，将数据划分为训练集和测试集；其次，采用高斯数据增强对训练集添加高斯噪声；然后，构建基于GANformer的洪水智能预报模型；采用Sobol序列和正余弦优化策略对开普勒优化算法KOA进行改进，利用改进后的IKOA算法优化GANformer模型的学习率、批次大小和隐藏层数等重要参数；最后，将优化后的GANformer模型应用于洪水预报，为防洪减灾提供实时、准确的洪水预警信息。本发明能有效提高洪水预报的准确性和可靠性，为防洪减灾工作提供有力支撑。
-
公开(公告)号：CN119026880A
公开(公告)日：2024-11-26
申请号：CN202411508439.5
申请日：2024-10-28
Applicant: 中国电建集团华东勘测设计研究院有限公司
IPC: G06Q10/0631 , G06Q50/06
Abstract: 本发明提供一种基于分区预测和动态自动调节的城市需水预测方法、系统及介质，所述方法包括：首先获取城市居民的用水量，存储水数据；对月用水数据进行DPC聚类；其次采用VAE方法将不同变化趋势的数据进行特征提取，再进行Pearson相关性分析，然后将提取的关键影响因素用GAT‑DLinear模型对各区域月需水量预测，利用IZOA算法优化GAT‑DLinear模型，再根据NRMSE指标判断该类月预测精度是否大于10%，若是，则构建目标方程再次通过IZOA算法优化模型中需要调节的参数，将优化后的参数集再次输入预测模型，直至精度满足阈值要求，输出各分区最终需水预测结果。本发明具有自动化、自适应的优点。
-
公开(公告)号：CN118114806A
公开(公告)日：2024-05-31
申请号：CN202410051252.0
申请日：2024-01-12
Applicant: 杭州华辰电力控制工程有限公司 , 中国电建集团华东勘测设计研究院有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/006 , G06F18/214 , G06F18/213 , G06F18/22 , G06F17/10 , G06N3/04 , G06N3/08 , G06N3/0985 , G06N3/049
Abstract: 本发明公开了一种基于多站点时空数据融合的来水量预测方法，包括：获取流域内天文、水文、气象数据集数据。运用去趋势交叉相关分析法对数据集进行特征提取并进行数据集划分；通过GraphSAGE分析采集到的构成图网络的数据集，提取出其相关性关联变化特征，将提取得到的特征序列输入到Dlinear模型中建立空间参数序列与全局来水量的变化关系。将ICMIC混沌映射策略与可变螺旋搜索策略引入到秃鹰搜索优化算法中得到改进的秃鹰搜索优化算法，利用秃鹰搜索优化算法优化GraphSAGE‑Dlinear模型中的超参数，利用优化后的GraphSAGE‑Dlinear模型对未来时刻的来水量状况进行预测。本发明能有效捕获流域内水流量动态时空模式，实现准确的来水量预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.044 seconds)
