融合稀疏自注意力机制的深度学习洪水预报方法、装置

    公开(公告)号:CN118586441A

    公开(公告)日:2024-09-03

    申请号:CN202411059729.6

    申请日:2024-08-05

    Applicant: 武汉大学

    Abstract: 本申请公开了融合稀疏自注意力机制的深度学习洪水预报方法、装置。对蒸发量数据序列空间插值以获得栅格蒸发量数据序列;对降雨量数据序列空间插值以获得栅格降雨量数据,由栅格降雨量数据确定栅格前期影响雨量数据,并由栅格前期影响雨量数据和栅格降雨量数据堆叠形成栅格降雨量数据序列、栅格前期影响雨量数据序列;通过将流量数据序列、栅格蒸发量数据序列、栅格降雨量数据序列、栅格前期影响雨量数据序列作为ConvLSTM‑SSA深度学习模型训练的输入对象以构建洪水预报模型,以生成洪水预报结果。本方法通过ConvLSTM模型构建洪水预报模型,不仅综合考虑了多种气象数据的时空信息,提高了深度学习模型的适用性和准确性。

    一种Copula多模型条件处理器的水文集合预报方法

    公开(公告)号:CN117408171A

    公开(公告)日:2024-01-16

    申请号:CN202311725329.X

    申请日:2023-12-15

    Applicant: 武汉大学

    Abstract: 本发明提供一种Copula多模型条件处理器的水文集合预报方法,属于水文预报技术领域,包括:依据实测水文资料,训练和验证多种水文模型,预测预报洪水过程,构建基于Vine‑Copula函数多模型条件处理器;确定实测和集合预报流量的边缘分布函数,采用Vine‑Copula函数构建实测流量和集合预报流量的联合分布函数;推导在多个模型预报流量条件下实测流量的条件概率分布函数,进而推求中位数预报流量,并获得一定置信水平下预报不确定性的区间范围。本发明通过综合多个预报模型的结果,减少模型结构带来的不确定性,还可以避免流量服从正态分布的假设,降低正态分位数转换带来的不确定性,为水文集合预报提供了新方法。

    一种Copula多模型条件处理器的水文集合预报方法

    公开(公告)号:CN117408171B

    公开(公告)日:2024-02-23

    申请号:CN202311725329.X

    申请日:2023-12-15

    Applicant: 武汉大学

    Abstract: 本发明提供一种Copula多模型条件处理器的水文集合预报方法,属于水文预报技术领域,包括:依据实测水文资料,训练和验证多种水文模型,预测预报洪水过程,构建基于Vine‑Copula函数多模型条件处理器;确定实测和集合预报流量的边缘分布函数,采用Vine‑Copula函数构建实测流量和集合预报流量的联合分布函数;推导在多个模型预报流量条件下实测流量的条件概率分布函数,进而推求中位数预报流量,并获得一定置信水平下预报不确定性的区间范围。本发明通过综合多个预报模型的结果,减少模型结构带来的不确定性,还可以避免流量服从正态分布(56)对比文件王艳兰;梁忠民;蒋晓蕾;王军;李彬权.MCP模型在嘉陵江小河坝站洪水概率预报中的应用.水力发电.2017,(第10期),34-38.江善虎;任立良;刘淑雅;袁飞;杨肖丽.基于贝叶斯模型平均的水文模型不确定性及集合模拟.中国农村水利水电.2017,(第01期),112-117+122.张宇;梁忠民.BFS在洪水预报中的应用研究.水电能源科学.2009,(第05期),50-53.刘章君;郭生练;何绍坤;巴欢欢;尹家波.基于Copula函数的多变量水文不确定性处理器.水利学报.2018,(第03期),66-76.

    考虑水库调蓄影响的汛控水位不确定性的评估方法

    公开(公告)号:CN112711921B

    公开(公告)日:2022-08-05

    申请号:CN202110076041.9

    申请日:2021-01-20

    Applicant: 武汉大学

    Abstract: 本发明提供一种考虑水库调蓄影响的汛控水位不确定性的评估方法,包括:还原天然径流过程,构建洪水地区组成的联合分布;基于联合分布随机抽样技术模拟地区组成模式,并采用调度函数考虑上游水库的调蓄影响,获得出库流量过程;根据上游水库出库流量过程采用水动力学模型模拟洪水演进过程,推求考虑调蓄影响的偏不利洪水地区组成模式,并推求水库运行期的偏不利汛控水位;考虑偏不利组成模式,评估运行期设计洪水及汛控水位估计的样本抽样不确定性。本发明充分考虑实际工程中关心的偏不利组成模式,能对水库运行期设计洪水的估计更为准确,可为考虑调蓄影响的梯级水库群运行期设计洪水提供重要且可操作性强的参考依据。

    一种基于混合深度学习模型的洪水过程概率预报方法

    公开(公告)号:CN115329930A

    公开(公告)日:2022-11-11

    申请号:CN202210880964.4

    申请日:2022-07-26

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于混合深度学习模型的洪水过程概率预报方法,包括:首先收集研究流域气象水文基础资料,建立概念性模型,预报多时段的洪水过程,其次以概念性模型预报流量过程为外源输入,在基于外源输入编码‑解码结构的长短时记忆(LSTM‑EDE)神经网络输出层嵌套混合密度网络(MDN),构建混合LSTM‑EDE‑MDN概率预报模型,同时采用极大似然估计法建立损失函数,训练神经网络参数,最终获得每个预见期的条件分布函数和预报区间,从而量化预报不确定性。本发明耦合了以概念性模型预报流量为外源输入的LSTM‑EDE神经网络和MDN,解决了曝光偏差问题,还可以在考虑输出变量时间相关性前提下,获得多时段洪水过程概率预报,提高了深度学习模型的适用性、可解释性和可信度。

    考虑水库调蓄影响的汛控水位不确定性的评估方法

    公开(公告)号:CN112711921A

    公开(公告)日:2021-04-27

    申请号:CN202110076041.9

    申请日:2021-01-20

    Applicant: 武汉大学

    Abstract: 本发明提供一种考虑水库调蓄影响的汛控水位不确定性的评估方法,包括:还原天然径流过程,构建洪水地区组成的联合分布;基于联合分布随机抽样技术模拟地区组成模式,并采用调度函数考虑上游水库的调蓄影响,获得出库流量过程;根据上游水库出库流量过程采用水动力学模型模拟洪水演进过程,推求考虑调蓄影响的偏不利洪水地区组成模式,并推求水库运行期的偏不利汛控水位;考虑偏不利组成模式,评估运行期设计洪水及汛控水位估计的样本抽样不确定性。本发明充分考虑实际工程中关心的偏不利组成模式,能对水库运行期设计洪水的估计更为准确,可为考虑调蓄影响的梯级水库群运行期设计洪水提供重要且可操作性强的参考依据。

Patent Agency Ranking