-
公开(公告)号：CN116091779B
公开(公告)日：2023-06-27
申请号：CN202310363886.5
申请日：2023-04-07
Applicant: 湖北一方科技发展有限责任公司
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，公开了一种基于水文数据进行预测的方法及系统，其中一种基于水文数据进行预测的方法包括以下步骤：对图像进行区域化，获得区域图像；基于区域图像获得像素位向量；基于区域图像的像素位向量生成像素位矢量序列；将像素位矢量序列输入GMM‑HMM模型；基于区域图像的像素位矢量序列对应的隐状态生成区域图像的隐状态矩阵；将区域图像和区域图像对应的隐状态矩阵输入ConvLSTM模型；将每个水域区域对应的第一分类器的输出和第二分类器的输出输入预测模型；本发明通过GMM‑HMM模型结合ConvLSTM模型来综合考虑污染信息在时间和空间上的流动性，通过ConvLSTM模型的输出结果结合预测模型对未来的水域污染状态进行准确的预测。
-
公开(公告)号：CN115982534A
公开(公告)日：2023-04-18
申请号：CN202310263950.2
申请日：2023-03-18
Applicant: 湖北一方科技发展有限责任公司
IPC: G06F17/16 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及水文数据处理技术领域，公开了一种江河水文监测数据的处理方法，包括：步骤101，生成第一训练集；步骤102，通过第一训练集对第一神经网络模型进行训练；步骤103，生成第二训练集；步骤104，通过第二训练集对LSTM神经网络进行训练；步骤105，将步骤102训练完成的第一神经网络模型与LSTM神经网络获得异构神经网络；步骤106，将待预测样本的数据输入异构神经网络，基于异构神经网络输出预测待预测样本对应的江河区域预测时间之后的候鸟数量；本发明通过预先训练的异构的两类神经网络进行组合获得异构神经网络，通过决策层来对最终进行预测的LSTM神经网络部分的输入池进行处理，基于深度学习的手段来实现对于内陆江河候鸟数量的准确预测。
-
公开(公告)号：CN115510382A
公开(公告)日：2022-12-23
申请号：CN202211395950.X
申请日：2022-11-09
Applicant: 长江水利委员会水文局 , 雅砻江流域水电开发有限公司 , 湖北一方科技发展有限责任公司
Abstract: 本发明提供一种基于离散时变关系函数集的综合出力系数计算方法，包括，建立综合出力系数历史状态集、基于所述历史状态集的时变敏感性分析、构建综合影响因子离散时变关系、建立离散时变关系函数、时变关系函数检验及筛选；根据历史运行数据，综合多种影响因素和发电计划编制需求，构建必备状态变量集和补充状态变量两类综合出力系数历史状态集，拟合基于历史状态的离散时变关系函数集，以提高综合出力系数计算方法的简洁、适用性，提高模拟调度出力计算精度，为提高发电计划编制效率和精度，优化流域水资源综合利用效益、提升水资源综合效益提供技术支撑。
-
公开(公告)号：CN118966473A
公开(公告)日：2024-11-15
申请号：CN202411441416.7
申请日：2024-10-16
Applicant: 湖北一方科技发展有限责任公司 , 长江水利委员会水文局
IPC: G06Q10/04 , G06Q50/26 , G01W1/10 , G06F18/213 , G06F18/25 , G06F18/27 , G06V10/40 , G06V10/80 , G06V10/766 , G06V10/82
Abstract: 本申请涉及一种基于人工智能的水文气象预测方法及系统，所述方法包括获取气象、水文、图像和文本数据，并分别进行特征提取，得到气象特征、水文特征、纹理特征和文本特征；分别将上述特征进行标准化处理，从而得到第一气象特征向量、第一水文特征向量、第一纹理特征向量和第一文本特征向量；基于上述特征向量分别构建特征矩阵；将得到的特征矩阵进行矩阵拼接，得到多模态特征融合矩阵；预构建多模态水文气象预测模型，将多模态特征融合矩阵输入至所述多模态水文气象预测模型，得到水文气象预测结果。本发明提高了对水文气象预测地准确性和时效性。
-
公开(公告)号：CN118708945B
公开(公告)日：2024-11-05
申请号：CN202411194481.4
申请日：2024-08-29
Applicant: 湖北一方科技发展有限责任公司 , 长江水利委员会水文局
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/08 , G06Q10/0635 , G06Q50/26 , G01C13/00
Abstract: 本申请涉及一种用于水文数据的自动监测方法及系统。所述方法包括以下步骤：获取地理环境勘察数据；对地理环境勘察数据进行区域划分，生成监测区域划分数据，其中监测区域划分数据包括重点监测区域数据和常规监测区域数据；通过监测区域划分数据进行监测站点网络构建，生成水文监测站点网络；利用重点监测区域数据和常规监测区域数据对水文监测站点网络进行多层次监测数据采集调整，从而生成监测站点水文采集数据；对监测站点水文采集数据和地理环境勘察数据进行时空插值，生成站点水文时空插值数据。本发明通过对水文进行多层次的数据采集与灾变分析，提高了水文数据的精准异常检测和灾害风险评估能力。
-
Patent Agency Ranking
公开(公告)号：CN114964417B
公开(公告)日：2022-10-25
申请号：CN202210900014.3
申请日：2022-07-28
Applicant: 湖北一方科技发展有限责任公司
Abstract: 本申请涉及一种用于小型河道的应急水文测量装置。该用于小型河道的应急水文测量装置，包括测量外壳，所述测量外壳的外表面开设有进水孔，所述测量外壳的下端面敞口，所述测量外壳的上端面固定连接有上盖组件，所述上盖组件的表面连接有处理组件，所述处理组件至少包括控制模块、信号收发模块以及电源模块，所述测量外壳的内部设置有测量轴件，所述测量轴件与上盖组件的连接板件固定连接，所述测量轴件的外表面套有可上下移动的浮板，所述测量轴件的外表面还开设有滑槽件，所述浮板设置有凸起的感应件一，凸起的感应件一于滑槽件内上下滑动；本申请的应急水文测量装置，结构简单，操作方便，使用灵活，制备以及维护成本低，便于推广使用。
-
公开(公告)号：CN116580302A
公开(公告)日：2023-08-11
申请号：CN202310517216.4
申请日：2023-05-09
Applicant: 湖北一方科技发展有限责任公司
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及水文数据处理技术领域，公开了一种高维水文数据处理系统及方法，其中，一种高维水文数据处理方法包括以下步骤：步骤101，基于水文图像生成图像体素，提取属于水体的图像体素生成第一图像体素集合；步骤102，生成图像提取空间，通过图像提取空间提取第一图像体素集合内的体素来生成第一图像特征；步骤103，通过特征卷积模型对第一图像特征进行处理；本发明通过水文图像的空间区域化处理和特征提取来减少非水域的信息维度，并且对水域区域特征进行区域化；本发明采用特征卷积模型对区域化处理的水域图像特征进行处理，能够综合水域的区域流动性和时间上的动态变化，获取水域污染状态，并判断污染的源头。
-
公开(公告)号：CN118708945A
公开(公告)日：2024-09-27
申请号：CN202411194481.4
申请日：2024-08-29
Applicant: 湖北一方科技发展有限责任公司 , 长江水利委员会水文局
IPC: G06F18/213 , G06F18/214 , G06F18/24 , G06N3/0442 , G06N3/08 , G06Q10/0635 , G06Q50/26 , G01C13/00
Abstract: 本申请涉及一种用于水文数据的自动监测方法及系统。所述方法包括以下步骤：获取地理环境勘察数据；对地理环境勘察数据进行区域划分，生成监测区域划分数据，其中监测区域划分数据包括重点监测区域数据和常规监测区域数据；通过监测区域划分数据进行监测站点网络构建，生成水文监测站点网络；利用重点监测区域数据和常规监测区域数据对水文监测站点网络进行多层次监测数据采集调整，从而生成监测站点水文采集数据；对监测站点水文采集数据和地理环境勘察数据进行时空插值，生成站点水文时空插值数据。本发明通过对水文进行多层次的数据采集与灾变分析，提高了水文数据的精准异常检测和灾害风险评估能力。
-
-
公开(公告)号：CN115982534B
公开(公告)日：2023-05-26
申请号：CN202310263950.2
申请日：2023-03-18
Applicant: 湖北一方科技发展有限责任公司
IPC: G06F17/16 , G06F18/214 , G06F18/24 , G06N3/04 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及水文数据处理技术领域，公开了一种江河水文监测数据的处理方法，包括：步骤101，生成第一训练集；步骤102，通过第一训练集对第一神经网络模型进行训练；步骤103，生成第二训练集；步骤104，通过第二训练集对LSTM神经网络进行训练；步骤105，将步骤102训练完成的第一神经网络模型与LSTM神经网络获得异构神经网络；步骤106，将待预测样本的数据输入异构神经网络，基于异构神经网络输出预测待预测样本对应的江河区域预测时间之后的候鸟数量；本发明通过预先训练的异构的两类神经网络进行组合获得异构神经网络，通过决策层来对最终进行预测的LSTM神经网络部分的输入池进行处理，基于深度学习的手段来实现对于内陆江河候鸟数量的准确预测。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.031 seconds)
