-
公开(公告)号：CN113344449B
公开(公告)日：2023-08-29
申请号：CN202110751413.3
申请日：2021-07-02
申请人： 水利部交通运输部国家能源局南京水利科学研究院 , 河海大学
发明人： 许钦 , 陈星 , 关铁生 , 蔡晶 , 张伊佳 , 袁缘 , 郑皓 , 彭安邦 , 孙晓敏 , 叶鸣 , 邓晰元 , 韩江波 , 万毅 , 张其成 , 徐慧 , 向龙 , 鲍振鑫 , 江善虎 , 高勋 , 史书华 , 陈正雷
IPC分类号： G06Q10/0639 , G06Q50/06 , G06N3/0464 , G06N3/08
摘要： 一种预测月尺度工业需水量的方法，属于水资源水量调配领域。具体包括以下步骤：S1构建工业需水特征评价评价指标体系；S2构建预测模型集；S3制定各工业需水评价分区最优预测方法；S4筛选月尺度工业需水关键影响因子，为多元回归法与前馈神经网络模型提供基础；S5月尺度工业需水预测。上述的S1包括：S1‑1选取工业需水特征评价指标；S1‑2制定评价指标分级阈值；S1‑3计算评价总值，定量评价工业需水情况。本发明的优点在于：1)具有月尺度的预测能力；2)方法考虑了区域特征；3)具有基于地区需水变化的模型筛选能力。
-
公开(公告)号：CN113344449A
公开(公告)日：2021-09-03
申请号：CN202110751413.3
申请日：2021-07-02
申请人： 水利部交通运输部国家能源局南京水利科学研究院 , 河海大学
发明人： 许钦 , 陈星 , 关铁生 , 蔡晶 , 张伊佳 , 袁缘 , 郑皓 , 彭安邦 , 孙晓敏 , 叶鸣 , 邓晰元 , 韩江波 , 万毅 , 张其成 , 徐慧 , 向龙 , 鲍振鑫 , 江善虎 , 高勋 , 史书华 , 陈正雷
摘要： 一种预测月尺度工业需水量的方法，属于水资源水量调配领域。具体包括以下步骤：S1构建工业需水特征评价评价指标体系；S2构建预测模型集；S3制定各工业需水评价分区最优预测方法；S4筛选月尺度工业需水关键影响因子，为多元回归法与前馈神经网络模型提供基础；S5月尺度工业需水预测。上述的S1包括：S1‑1选取工业需水特征评价指标；S1‑2制定评价指标分级阈值；S1‑3计算评价总值，定量评价工业需水情况。本发明的优点在于：1)具有月尺度的预测能力；2)方法考虑了区域特征；3)具有基于地区需水变化的模型筛选能力。
-
公开(公告)号：CN118410720A
公开(公告)日：2024-07-30
申请号：CN202410842517.9
申请日：2024-06-27
IPC分类号： G06F30/27 , G01W1/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/25 , G06N3/048 , G06F123/02
摘要： 本发明公开了一种基于多时间尺度深度学习网络的降雨径流模拟方法，包括获取目标流域内各水文站点不同时间尺度的气象数据和该流域出口径流数据，并对气象数据进行预处理；基于卷积神经网络CNN与长短期记忆神经网络LSTM进行融合训练建模，生成多时间尺度深度学习网络模型；以预处理后的数据作为输入，利于多时间尺度深度学习网络模型模拟径流量值。本发明通过构建多时间尺度的降雨径流模拟方法，弥补了传统方法无法在同一个模型中模拟不同时间尺度径流的局限和不足，也更深入利用不同时间尺度的特征取得更好的预测效果，提升水文模拟精度。广泛应用于降雨径流模拟中，能完整的完成径流模拟和预测，为科学决策提供依据。
-
公开(公告)号：CN114943361B
公开(公告)日：2023-04-18
申请号：CN202210256098.1
申请日：2022-03-15
摘要： 本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。
-
公开(公告)号：CN114970171B
公开(公告)日：2023-03-14
申请号：CN202210613754.9
申请日：2022-05-31
IPC分类号： G06F30/20 , G06F111/08 , G06F113/08
摘要： 本发明公开了一种考虑产流结构不确定性的水文模型及对地表地下水文过程影响的量化方法，本发明将产流结构中地表径流、壤中流和基流结构的不确定性用参数进行量化，联合增加的汇流模块构建了一个考虑产流结构不确定性的水文模型，相对于原始的水文模型具有更高的精度，可对产流结构中地表径流、壤中流和基流的不确定性及其对地表地下水文过程影响进行量化，可以更好地提升径流模拟的精度，提升对水文物理过程基础规律的理解和认识。
-
公开(公告)号：CN115357847B
公开(公告)日：2023-09-19
申请号：CN202211036334.5
申请日：2022-08-28
摘要： 本发明公开了一种基于误差分解的日尺度星地降水融合方法，借助误差分解模型将雨量站观测降水与卫星遥感反演降水之间的误差分解为命中误差、漏报误差和误报误差，针对各项误差选取地理加权回归模型和相似矩阵法计算空间误差估计值和降水背景值，最后通过“加法模型”框架、“乘法模型”框架和回归残差值估计进行降水融合，得到各网格点的降水融合值。本发明更细致地针对站点处的各误差组分进行空间降水误差估计，减少降水融合模型的不确定性；地理加权回归模型反映了降水误差与其影响因素之间的非平稳关系，相似矩阵法修正了降水背景场中的错误信息，充分利用各误差组分的有效信息，能够获得更好的降水空间估计数据，误差小于常规的降水插值方法。
-
公开(公告)号：CN114943361A
公开(公告)日：2022-08-26
申请号：CN202210256098.1
申请日：2022-03-15
摘要： 本发明公开了一种估算缺资料地区参考作物蒸散量的方法，包括资料收集，参数优化，地理因子选择，基于机器学习的参数区域化模型，计算得到的Hargreaves‑Samani模型参数，采用气温数据进一步计算缺资料地区参考作物蒸散量。本发明充分借助研究区内资料齐全地区的气象数据和地理因子信息，结合机器学习算法构建了Hargreaves‑Samani模型参数的缺资料区优化估计方法，相对于原始的Hargreaves‑Samani模型能显著提高缺资料地区参考作物蒸散量计算精度，同时相比于以往直接利用气象数据和机器学习模型建模的方式，本发明以Hargreaves‑Samani模型为基准，具备良好的物理基础，为缺资料地区精准的参考作物蒸散量估算提供了技术手段。
-
公开(公告)号：CN104298877B
公开(公告)日：2016-03-23
申请号：CN201410539158.6
申请日：2014-10-13
IPC分类号： G06F19/00
摘要： 本发明公开了一种可降低不确定性的气候变化情景修订方法，收集区域内的降水和气温历史观测数据，并模拟出气候情景数据即未来情景下的降水和气温，采用距离反比插值算法将降水和气温历史观测数据插值到与气候情景数据相匹配的网格上，利用降水和气温历史观测数据与同时期气候情景下模拟所得的降水和气温数据的差值，提出并计算气温和降水的修订系数，利用修订系数，对气候情景基准期和未来变化进行修订，建立修订后的气候情景数据集。本发明结合区域内的历史实测水文气象要素数据库，提出气候情景的修订方法进行修订，评价气候模式输出的原始气候情景数据在区域范围的模拟能力，建立研究区域的气候变化情景数据集，为气候变化影响评价提供科学合理的依据。
-
公开(公告)号：CN104281776A
公开(公告)日：2015-01-14
申请号：CN201410491734.4
申请日：2014-09-23
IPC分类号： G06F19/00
摘要： 本发明提供了一种人类活动对河川径流过程显著影响期的判断方法，收集研究流域内长序列逐月水文气象资料，初步判断人类活动对年径流量显著影响而变化的年份，筛选适合于研究流域的水文模型，模拟全系列径流过程，统计每个年份对年径流量的模拟误差标准量SREi，绘制模拟误差标准量的逐年过程，根据过程偏离横轴的情况判断人类活动对河川径流过程显著影响期。本发明以数理统计与水文过程物理模拟方法为基础，诊断人类活动对河川径流影响时期，科学摒弃了气候要素对河川径流的可能影响，并且诊断结果与流域内人类活动实际状况一致，有效地避免传统方法因气候要素变异对水文序列影响带来的对人类活动显著影响期的误判，因此给出的诊断结果更为科学、合理。
-
公开(公告)号：CN118410720B
公开(公告)日：2024-10-08
申请号：CN202410842517.9
申请日：2024-06-27
IPC分类号： G06F30/27 , G01W1/10 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06F18/15 , G06F18/25 , G06N3/048 , G06F123/02
摘要： 本发明公开了一种基于多时间尺度深度学习网络的降雨径流模拟方法，包括获取目标流域内各水文站点不同时间尺度的气象数据和该流域出口径流数据，并对气象数据进行预处理；基于卷积神经网络CNN与长短期记忆神经网络LSTM进行融合训练建模，生成多时间尺度深度学习网络模型；以预处理后的数据作为输入，利于多时间尺度深度学习网络模型模拟径流量值。本发明通过构建多时间尺度的降雨径流模拟方法，弥补了传统方法无法在同一个模型中模拟不同时间尺度径流的局限和不足，也更深入利用不同时间尺度的特征取得更好的预测效果，提升水文模拟精度。广泛应用于降雨径流模拟中，能完整的完成径流模拟和预测，为科学决策提供依据。
-
-
-
-
-
-
-
-
-
搜索结果
29 条记录 (耗时 0.055 秒)
