-
公开(公告)号：CN115576032A
公开(公告)日：2023-01-06
申请号：CN202211160167.5
申请日：2022-09-22
申请人： 西安理工大学
摘要： 本发明公开了一种多模型组合水文预报方法、系统及计算机存储介质，方法包括：基本水文模型筛选、基本预测序列获取、多元决策支撑信息选择、基本预测序列过程相似度计算、基本预测序列量值偏离度计算、基本预测序列综合权重计算和基本预测序列加权组合。本发明从多个角度评价筛选出合格的基本水文模型并获取预测序列，从历史水文时间序列中选择多元决策支撑信息与预测序列融合，以确定不同基本预测序列权重，最终加权组合多个基本预测序列获取水文时间序列多模型组合预报结果，通过在多模型组合预报方案确定过程中融入关键决策支撑信息，实现科学可靠的水文时间序列多模型组合预报。
-
公开(公告)号：CN115048805A
公开(公告)日：2022-09-13
申请号：CN202210763728.4
申请日：2022-06-29
申请人： 西安理工大学
IPC分类号： G06F30/20 , G06F30/27 , G06N20/10 , G06F113/08
摘要： 本发明公开了一种水文预报数据驱动建模样本合成方法及系统，方法包括：对气象因子进行随机采样，获得气象因子采样序列；将流域历史观测数据划分为校验期数据和测试期数据；采用校验期数据对流域水文过程模拟模型进行校验，流域水文过程模拟模型包括物理性水文模型和结构性偏差模拟模型，采用测试期数据对流域水文过程模拟模型进行测试；将气象因子采样序列输入经过校验和测试的流域水文过程模拟模型，获得对应的水文过程模拟结果；最终气象因子采样序列、下垫面环境数据和水文过程模拟结果即为水文预报数据驱动建模样本。本发明通过引入结构性偏差模拟模型，使合成的水文预报数据驱动建模样本更加接近实际流域水文过程。
-
公开(公告)号：CN118568184A
公开(公告)日：2024-08-30
申请号：CN202410151788.X
申请日：2024-02-02
申请人： 西安理工大学
IPC分类号： G06F16/29 , G06N3/0464 , G06N3/0442 , G06F16/28
摘要： 本发明属于水文预报、水文模拟技术领域，公开了一种水文模型参数的动态率定方法及系统，包括：将流域观测数据分为N类，根据N类流域观测数据分别优化水文模型，得到水文模型的最优参数集；根据N类流域观测数据及最优参数集确定流域非稳态变量，根据流域非稳态变量和最优参数集构建参数时变模型；将预报或模拟时变化的非稳态变量输入至参数时变模型，得到水文模型的动态参数。本发明的率定方法根据流域实际情况自适应确定分类数量，使得流域观测数据划分更精细，提高了参数时变模型对流域环境变化的响应能力，降低了水文模型参数的不确定性，提高了水文模型开展水文预报或水文模拟的精确度，且本发明的参数时变模型具有自主学习、自适应能力。
-
公开(公告)号：CN110633859B
公开(公告)日：2024-03-01
申请号：CN201910882584.2
申请日：2019-09-18
申请人： 西安理工大学
IPC分类号： G06Q10/04 , G06Q10/0637 , G06N3/0442 , G06N3/08 , G01C13/00
摘要： 本发明公开了一种两阶段分解集成的水文序列预测方法，涉及水文预测技术领域。本发明引入信号处理技术和机器学习技术，对原始水文序列进行多尺度特征表达和学习，通过分解阶段避免使用验证集信息，预测阶段集合各分解特征的预测因子作为机器学习模型的预测因子，原始水文序列作为预测目标，构建一个满足实践应用要求的水文序列预测模型，从而提高水文序列预测精度，降低建模计算成本和时间成本。
-
公开(公告)号：CN110633859A
公开(公告)日：2019-12-31
申请号：CN201910882584.2
申请日：2019-09-18
申请人： 西安理工大学
摘要： 本发明公开了一种两阶段分解集成的水文序列预测方法，涉及水文预测技术领域。本发明引入信号处理技术和机器学习技术，对原始水文序列进行多尺度特征表达和学习，通过分解阶段避免使用验证集信息，预测阶段集合各分解特征的预测因子作为机器学习模型的预测因子，原始水文序列作为预测目标，构建一个满足实践应用要求的水文序列预测模型，从而提高水文序列预测精度，降低建模计算成本和时间成本。
-
-
-
-
搜索结果
5 条记录 (耗时 0.02 秒)
