-
公开(公告)号：CN118396330A
公开(公告)日：2024-07-26
申请号：CN202410643892.0
申请日：2024-05-23
申请人： 河海大学 , 水利部交通运输部国家能源局南京水利科学研究院
IPC分类号： G06Q10/0631 , G06Q10/0637 , G06Q50/02 , G06N3/092
摘要： 本发明公开了一种基于改进Q‑learning的水资源优化调度方法与系统，方法包括如下步骤：1)对水资源调度涉及的实体对象进行分级建模，并根据分级信息确定可参与调度的对象集合；2)考虑不同领域的水资源需求满足率和/或用水产生的主体效益，建立水资源调度优化模型；3)构建改进Q‑learning算法，求解水资源调度优化模型，获得水资源调度方案集。本发明通过考虑不同领域的水资源需求和/或用水产生的主体效益，建立水资源调度优化模型，并构建了一种面向该模型的改进Q‑learning算法，最终利用改进的算法求解优化模型，利用该方法可智能计算获得跨流域等规模化区域内的水资源调度方案集，解决目标地区范围性、季节性的缺水问题，提高水资源的利用率。
-
公开(公告)号：CN114973054A
公开(公告)日：2022-08-30
申请号：CN202210309109.8
申请日：2022-03-28
申请人： 河海大学 , 水利部交通运输部国家能源局南京水利科学研究院
IPC分类号： G06V20/40 , G06V20/52 , G06V20/70 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/762 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于DCBFFNet的城市河道水上多目标检测方法与系统。首先从视频流中分别提取城市河道管理涉及水上对象的图像，进行降噪处理和标注，构建目标检测数据集；其次构建对象尺度敏感的密集连接双向特征融合深度学习模型DCBFFNet，该模型构建了面向多对象特性的特征层选择模块以及基于多尺度特征的密集双向特征融合模块，并设计了面向对象的多层特征图锚框尺寸；再基于最优的锚框尺寸和目标检测数据集，进行模型的迭代训练；最后基于训练好的模型实现水上对象的定位和类别预测。本发明通过端到端的模型训练可实现从数据集到目标检测的完整流程，用于城市河道水上多目标的定位和对象类别判断，为城市河道健康管理的及时响应提供智能化方法。
-
公开(公告)号：CN118780134A
公开(公告)日：2024-10-15
申请号：CN202411237758.7
申请日：2024-09-05
IPC分类号： G06F30/23 , G06F30/28 , G06V20/10 , G06V10/774 , G06V10/762 , G06V10/764 , G06F113/08 , G06F119/02 , G06F119/14
摘要： 本发明提供了一种考虑空间异质性的产流精细模拟方法及系统，涉及水文模拟技术领域。该方法包括：划分出目标区域的城市下垫面、自然下垫面，生成土地利用类型图；基于城市下垫面建立城市水文模型，根据城市河/管网信息划分不同的子汇水区，分别计算不同子汇水区的地表产流；基于城市河/管网信息以及不同子汇水区的地表产流计算结果，建立城市河/管网水动力学模型；根据自然下垫面所属区域的数字高程DEM数据划分数个子流域，对各子流域分别进行产流计算，并模型寻找出汇流点；基于汇流点的水动力学关系、汇流逻辑关系，耦合城市河/管网水动力学模型和河道汇流模型。
-
公开(公告)号：CN118395867A
公开(公告)日：2024-07-26
申请号：CN202410582696.7
申请日：2024-05-11
IPC分类号： G06F30/27 , G06F119/14
摘要： 本发明公开了一种适用于水稻田间尺度灌排模拟的方法，属于农业灌溉模型应用技术领域。本发明方法，包括：通过田间实测建立水稻耕作层土壤含水率与耕作层土壤水位的关系公式；获取田间灌溉试验实测数据及对应的灌溉模式指标数据，将实测数据作为模型输入数据，针对输入数据，根据指标数据，模拟计算，获取日尺度的田间水量变化数据，对水量变化数据根据实测田间水位变化数据，对模型训练，生成水稻田间灌排模型；获取目标数据，输入至水稻田间灌排模型进行运算，获取水稻田间尺度灌排的模拟数据，根据模拟数据进行模拟灌排。本发明解决了南方平原河网区水稻干湿交替灌溉，田间有水层、无水层变化频繁等造成的稻田田间灌排过程模拟困难的问题。
-
公开(公告)号：CN118095104B
公开(公告)日：2024-07-09
申请号：CN202410487324.6
申请日：2024-04-23
IPC分类号： G06F30/27 , G01D21/02 , G06F30/28 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F113/08 , G06F119/14
摘要： 本发明提供了一种基于机器学习的洪涝快速预报方法及系统，涉及洪涝灾害实时预报技术领域。本发明通过构建水文水动力耦合模型，基于该水文水动力模型模拟不同暴雨重现期和雨型下的暴雨淹没情况，以预设的水深阈值判断淹没区和非淹没区。此外，本发明通过构建得到最优洪水预报模型与最优水深预测模型，快速计算各网格的淹没范围、淹没水深和淹没演进情况。相比以往研究利用神经网络模型单个变量输出，预测多个空间点需要构建大量模型的缺点，本发明构建的CNN模型能考虑多个栅格点的空间相关性，预测精度和效率更高，并且克服了水文水动力模型计算耗时长的特点，能够快速输出预报结果。
-
公开(公告)号：CN115331087B
公开(公告)日：2023-03-24
申请号：CN202211237501.2
申请日：2022-10-11
IPC分类号： G06V10/82 , G06V10/80 , G06V20/70 , G06V10/774 , G06V10/764 , G06V10/26
摘要： 本发明提出了一种融合区域语义与像素特征的遥感影像变化检测方法及系统，属于遥感影像变化检测的技术领域。首先，构建基于孪生网络架构的多尺度特征融合变化检测网络模型，利用端到端深度学习完成双时相遥感影像的直接变化检测；其次，利用语义分割模型赋予检测对象的区域语义，借助对象语义的区域连续属性，结合集合运算对直接变化检测结果的边缘进行逐像素分类优化，减少变化检测结果中的粘连等误检，提升双时相遥感影像变化检测精度。本发明通过将区域语义和像素特征结合，既能基于深度学习直接完成变化检测区域的识别，又解决了直接变化检测中的多类误检问题，高精度地实现了双时相影像的端到端变化检测。
-
公开(公告)号：CN118095104A
公开(公告)日：2024-05-28
申请号：CN202410487324.6
申请日：2024-04-23
IPC分类号： G06F30/27 , G01D21/02 , G06F30/28 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F113/08 , G06F119/14
摘要： 本发明提供了一种基于机器学习的洪涝快速预报方法及系统，涉及洪涝灾害实时预报技术领域。本发明通过构建水文水动力耦合模型，基于该水文水动力模型模拟不同暴雨重现期和雨型下的暴雨淹没情况，以预设的水深阈值判断淹没区和非淹没区。此外，本发明通过构建得到最优洪水预报模型与最优水深预测模型，快速计算各网格的淹没范围、淹没水深和淹没演进情况。相比以往研究利用神经网络模型单个变量输出，预测多个空间点需要构建大量模型的缺点，本发明构建的CNN模型能考虑多个栅格点的空间相关性，预测精度和效率更高，并且克服了水文水动力模型计算耗时长的特点，能够快速输出预报结果。
-
公开(公告)号：CN118327048A
公开(公告)日：2024-07-12
申请号：CN202410560488.7
申请日：2024-05-08
IPC分类号： E02D31/00 , E02D31/06 , E02D27/42 , E02D27/12 , E02D27/52 , B08B1/12 , B08B1/16 , B08B1/30 , B08B1/32 , B08B1/50 , B08B1/54 , F03D13/20 , F03D13/25
摘要： 本发明涉及海上风电工程技术领域，且公开了一种海上风电单桩基础冲刷防护加固装置，包括单桩基础，所述单桩基础下方环绕设置有加固墩台，所述加固墩台外部设置有圆台型的防护罩，且防护罩上方设置有旋转套，所述旋转套转动连接于单桩基础外壁上，且旋转套外壁等距离固定连接有多个驱动板，其中一个所述驱动板一侧外壁固定连接有斜板。本发明通过设置防护罩能够对加固墩台进行保护，避免海流冲刷使加固墩台损坏导致防护措施失效，并且在海流流经时能够使滚筒刷对防护罩表面进行清理，避免杂质长期残留腐蚀防护罩，同时通过多个清理棍能够对滚筒刷进行清理，保持滚筒刷的清理效果。
-
公开(公告)号：CN115331087A
公开(公告)日：2022-11-11
申请号：CN202211237501.2
申请日：2022-10-11
IPC分类号： G06V10/82 , G06V10/80 , G06V20/70 , G06V10/774 , G06V10/764 , G06V10/26
摘要： 本发明提出了一种融合区域语义与像素特征的遥感影像变化检测方法及系统，属于遥感影像变化检测的技术领域。首先，构建基于孪生网络架构的多尺度特征融合变化检测网络模型，利用端到端深度学习完成双时相遥感影像的直接变化检测；其次，利用语义分割模型赋予检测对象的区域语义，借助对象语义的区域连续属性，结合集合运算对直接变化检测结果的边缘进行逐像素分类优化，减少变化检测结果中的粘连等误检，提升双时相遥感影像变化检测精度。本发明通过将区域语义和像素特征结合，既能基于深度学习直接完成变化检测区域的识别，又解决了直接变化检测中的多类误检问题，高精度地实现了双时相影像的端到端变化检测。
-
公开(公告)号：CN220829656U
公开(公告)日：2024-04-23
申请号：CN202322047061.0
申请日：2023-07-31
IPC分类号： G05B19/04
摘要： 本实用新型公开了一种用于水资源管理的取水计量异常检测在线控制模式，涉及水资源管理技术领域，包括服务器端存储管理单元、任务方案存储、消息管理单元检测消息队列和客户端操作界面客户应用前端，检测任务任务布置栏与检测参数设置栏关联，实现任务方案管理，并存储于服务器端存储管理单元，添加任务添加控制栏后，实时反馈于检测队列管理栏，并可对其管理。本实用新型由于将定时检测任务布置操作与检测队列管理在同一前端界面实现，并且前端界面是否关闭不影响任务执行，所以为水资源管理用户提供了便捷安全操作方式，一个界面同时实现任务布置与队列管理，满足多用户不定期布置不同的检测任务。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.057 秒)
