面向水库汛期泄流量智能计算的少样本超级学习方法

    公开(公告)号:CN114462304B

    公开(公告)日:2024-07-12

    申请号:CN202210042006.X

    申请日:2022-01-14

    申请人: 武汉大学

    IPC分类号: G06F30/27 G06N3/0442 G06N3/08

    摘要: 本发明提供一种面向水库汛期泄流量智能计算的少样本超级学习方法,包括如下步骤:收集水库汛期运行资料,建立洪水样本库,选择基本模型,使用洪水样本训练基本模型的参数,建立基本模型库;进行K折交叉验证基本模型,并选择元模型,使用每个洪水样本的每个基本模型的验证结果训练元模型;对于待模拟的洪水特征,首先根据步骤一基本模型库中的基本模型模拟得到初步模拟结果,然后使用步骤二的元模型集成初步模拟结果,从而得到超级学习模型的模拟出库流量。本发明以基于少样本的模型训练验证方案建模就能兼顾调度规则和模拟精度,并且解决了以场次洪水建模的困难,提高了出库流量计算精度。

    基于降雨相似与模型参数智能适配的快速洪水预报方法及装置

    公开(公告)号:CN114330102B

    公开(公告)日:2024-09-24

    申请号:CN202111482324.X

    申请日:2021-12-07

    IPC分类号: G06F18/22 G01W1/10 G01W1/14

    摘要: 本发明提供基于降雨相似与模型参数智能适配的快速洪水预报方法及装置,快速洪水预报方法包括:步骤1.建立雨洪转化模型,识别雨洪特征;步骤2.计算致洪因子相似度:从致洪暴雨的量级、雨型以及前期影响雨量各分量大小出发,基于相似性理论,计算相似度指标向量,量化各致洪因子间的相似度;步骤3.转移参数,构建雨洪样本间适配度映射:雨洪样本间相互移用自身的参数,创建参数转移后模型精度矩阵,建立相似度指标向量与精度矩阵间的映射,确定相似度指标间的重要程度;步骤4.智能适配参数:基于相似度计算、聚类分析和协同过滤理论,参考模型使用各套参数预报历史相似洪水的精度,为模型适配预估精度最高的参数,进行洪水预报。

    一种融合视觉感知和人工智能的生态流量优化系统及方法

    公开(公告)号:CN115906694A

    公开(公告)日:2023-04-04

    申请号:CN202211409150.9

    申请日:2022-11-11

    申请人: 武汉大学

    摘要: 本发明提出了一种融合视觉感知和人工智能的生态流量优化系统及方法。本发明通过视觉感知水位测流设备通过滑动窗口采集方法依次采集各断面滑动窗口内流量、水位数据;通过Transformer神经网络模型构建各断面的流量演进仿真模型,将上一个断面滑动窗口内流量数据输入至本断面的流量演进仿真模型预测本断面滑动窗口内流量数据;将多个断面的流量演进仿真模型依次级联构建多断面连续流量演进仿真模型;通过水位排序湿周计算法结合离散差分法,获取下游生态考核断面的生态流量;根据上游水库断面连续下泄多个时刻的流量,通过多断面连续流量演进仿真模型预测下游生态考核断面流量数据,结合下游生态考核断面的生态流量进一步计算上游水库断面新增的下泄流量。

    面向水库汛期泄流量智能计算的少样本超级学习方法

    公开(公告)号:CN114462304A

    公开(公告)日:2022-05-10

    申请号:CN202210042006.X

    申请日:2022-01-14

    申请人: 武汉大学

    IPC分类号: G06F30/27 G06N3/04 G06N3/08

    摘要: 本发明提供一种面向水库汛期泄流量智能计算的少样本超级学习方法,包括如下步骤:收集水库汛期运行资料,建立洪水样本库,选择基本模型,使用洪水样本训练基本模型的参数,建立基本模型库;进行K折交叉验证基本模型,并选择元模型,使用每个洪水样本的每个基本模型的验证结果训练元模型;对于待模拟的洪水特征,首先根据步骤一基本模型库中的基本模型模拟得到初步模拟结果,然后使用步骤二的元模型集成初步模拟结果,从而得到超级学习模型的模拟出库流量。本发明以基于少样本的模型训练验证方案建模就能兼顾调度规则和模拟精度,并且解决了以场次洪水建模的困难,提高了出库流量计算精度。

    基于降雨相似与模型参数智能适配的快速洪水预报方法及装置

    公开(公告)号:CN114330102A

    公开(公告)日:2022-04-12

    申请号:CN202111482324.X

    申请日:2021-12-07

    摘要: 本发明提供基于降雨相似与模型参数智能适配的快速洪水预报方法及装置,快速洪水预报方法包括:步骤1.建立雨洪转化模型,识别雨洪特征;步骤2.计算致洪因子相似度:从致洪暴雨的量级、雨型以及前期影响雨量各分量大小出发,基于相似性理论,计算相似度指标向量,量化各致洪因子间的相似度;步骤3.转移参数,构建雨洪样本间适配度映射:雨洪样本间相互移用自身的参数,创建参数转移后模型精度矩阵,建立相似度指标向量与精度矩阵间的映射,确定相似度指标间的重要程度;步骤4.智能适配参数:基于相似度计算、聚类分析和协同过滤理论,参考模型使用各套参数预报历史相似洪水的精度,为模型适配预估精度最高的参数,进行洪水预报。