-
公开(公告)号:CN116822795A
公开(公告)日:2023-09-29
申请号:CN202310789810.9
申请日:2023-06-30
申请人: 西安理工大学 , 中国电建集团西北勘测设计研究院有限公司 , 中智水科(宁波)科技有限公司
IPC分类号: G06Q10/063 , G06Q50/26
摘要: 本发明的目的是提供一种非接触式城市洪涝积水监测异常数据修正方法,首先判断是积水监测设备数据传输故障造成的短时监测数据缺测,还是硬件故障导致无法监测;采用插补算法对短时积水监测数据缺测值进行数据插补;基于其他相近地区的积水监测设备值对因设备损坏导致长时间无法监测的积水点数据进行生成;然后对车辆经过或停车引起的异常波动数据进行修正;截取积水时段监测数据;最后对汽车行驶引起的振荡过程使用集合卡尔曼滤波算法进行修正。本发明解决了现有技术中存在的积水监测由于车辆或行人导致积水数据异常的问题。
-
公开(公告)号:CN118536239A
公开(公告)日:2024-08-23
申请号:CN202410413609.5
申请日:2024-04-08
申请人: 西安理工大学 , 中国电建集团西北勘测设计研究院有限公司
IPC分类号: G06F30/18 , G06F30/28 , G06Q50/26 , G06F113/08 , G06F119/14
摘要: 本发明公开的包括收集研究区域的排水管网基础数据、地形、土地利用、径流源区分布数据,基于收集的数据构建一维管网模型和二维地表水动力模型,对两个模型进行初始化、运行时间设置及参数设置,并基于两个模型构建一二维全水动力耦合模型;根据参数设置对一维管网模型、二维地表水动力模型、一二维全水动力耦合模型进行计算和数据更新,直至达到设置的运行时间,输出地表积水、示踪分布和管网排水过程。本发明实现对城市降雨‑径流‑排水‑积涝全过程进行追踪,并量化各源区或各时间段降雨对洪涝积水的贡献率;为深入分析城市洪涝响应规律、制定流域雨洪治理优先级决策提供了科学有效的模型基础。
-
公开(公告)号:CN118094690A
公开(公告)日:2024-05-28
申请号:CN202311849402.4
申请日:2023-12-29
申请人: 西安理工大学 , 中国电建集团西北勘测设计研究院有限公司
IPC分类号: G06F30/13 , G06F30/23 , G06F30/28 , G06F9/50 , G06F9/54 , G06F111/10 , G06F113/08 , G06F113/14 , G06F119/14
摘要: 本发明公开了基于GPU并行的城市管网排水过程数值模拟方法,收集整理城市区域排水管网的基础数据,构建城市区域管网模型;对模型进行初始化,设置管段计算单元和节点的初始水力要素;分别在CPU和GPU中开辟内存空间,并将数据从CPU缓存至GPU中;求解所有管段单元界面处的数值通量;计算每个流入和流出每个节点净流量,获取节点最小时间步长和管段最小时间步长;进而确定管网模型最小时间步长,并对管段计算单元和节点的水力要素进行更新计算;对计算时间进行更新直至达到计算结束条件,将计算结果进行数据输出,得到管段和节点的模拟结果。本发明的数值模拟方法解决了现有大区域的城市管网数据量巨大,难以准确模拟的问题。
-
公开(公告)号:CN113191054A
公开(公告)日:2021-07-30
申请号:CN202110485610.5
申请日:2021-04-30
申请人: 西安理工大学 , 江苏禹润智能科技有限公司
IPC分类号: G06F30/23 , G06F30/28 , G06F113/08 , G06F113/14 , G06F119/14
摘要: 本发明公开了一种基于显卡加速耦合管网的高精度城市雨洪模拟方法,在计算机中读取计算区域的基础数据,建立结构网格之间的拓扑关系;采用Godunov格式的有限体积法离散二维浅水方程,根据堰流公式和孔流公式计算地表与雨水井交换的流量;采用有限差分法求解一维圣维南方程组获得管道内非恒定水流入流流量和处理流量以及流速、水深相关要素;雨水井节点水深、管道水深和对应地表网格水深更新计算;采用cudaMemcpy函数将GPU上计算的结果值复制到主机内存中,并输出模拟的地表水深分布图、管网排水过程图。本发明的一种显卡加速的高精度城市雨洪模拟方法,计算准确、用时较短,可实现较大范围的高分辨率雨洪过程模拟预测。
-
公开(公告)号:CN118096561A
公开(公告)日:2024-05-28
申请号:CN202410225999.3
申请日:2024-02-29
申请人: 西安理工大学
IPC分类号: G06T5/60 , G06T5/00 , G06N3/0464 , G06N3/0455 , G06N3/082
摘要: 本发明公开了集成低频信息的多尺度低照度双目立体图像增强方法,获取原始低照度双目立体图像低频信息,将原始低照度双目立体图像低频信息与原始低照度双目立体图像作为训练样本;构建基于图像增强的卷积神经网络,将训练样本输入卷积神经网络进行图像的特征增强、特征分解、跨视图特征交互、特征提取、跨尺度特征交互、特征融合,得到恢复的图像;设计基于图像增强的卷积神经网络的损失函数,通过恢复的图像的损失确定优化的基于图像增强的卷积神经网络,对将待增强的低照度双目立体图像进行图像增强;本发明方法解决了现有方法对于噪声的忽略以及不能适应不同视差的问题,能够提高鲁棒性,在很好的恢复颜色细节信息的同时,去除大量噪声。
-
公开(公告)号:CN117436358A
公开(公告)日:2024-01-23
申请号:CN202311245415.0
申请日:2023-09-25
申请人: 西安理工大学
IPC分类号: G06F30/28 , G06F30/23 , G06T17/20 , G06T17/05 , G06F16/29 , G06F111/10 , G06F113/08 , G06F119/14
摘要: 本发明公开的基于一维水动力模型的流域动态淹没评估方法,获取计算区域的基础数据并对数据进行处理;使用Python调用ArcGIS,生成计算区域的最近邻河道相对高度HAND文件与flag文件;获取一维河网模型计算所需要的数据,在程序中根据获得的flag文件对河段和HAND文件进行关联;对一维河网模型进行求解并更新每个河道网格上的水力要素,采用每个河段的平均水深与其对应子流域的HAND值进行判定,得到整个区域的淹没范围与水深;最后输出研究区域淹没范围的结果文件。本发明的基于一维水动力模型的流域动态淹没评估方法过程明确,方法简便,用时较短,可用于大尺度流域洪水淹没范围的快速计算与评估。
-
公开(公告)号:CN114792071B
公开(公告)日:2023-08-25
申请号:CN202210541825.9
申请日:2022-05-18
申请人: 西安理工大学
IPC分类号: G06F30/27 , G06Q10/0631 , G06Q50/06 , G06F111/04
摘要: 本发明公开了基于机器学习技术的排水泵站优化调度方法,以SWMM模型作为粒子群算法中的个体粒子,计算不同方案的仿真结果。在优化迭代过程中,将人工神经网络、克里金模型和径向基函数网络三种机器学习模型动态嵌入,并采用基于模型误差的最大期望改进填充准则来选择可能的最优粒子,从而避免了所有粒子的评价和加速收敛,大大减少算法的精确评估次数,实现高效、准确的城市排水泵站优化调度,同时,将水泵开关的数量和泵站前池的水位限制在允许的范围内,确保泵站的合理、安全运行。
-
公开(公告)号:CN115408955B
公开(公告)日:2024-04-30
申请号:CN202211025778.9
申请日:2022-08-25
申请人: 西安理工大学
IPC分类号: G06F30/28 , G06F111/10 , G06F113/08
摘要: 本发明公开了一种基于降雨示踪的城市雨洪积水溯源数值模拟方法,采用如下步骤:步骤1.在参数信息输入模块中输入模拟参数;步骤2.执行城市雨洪溯源即时模拟模块;步骤3.设置可视化输出模块的输出参数,并输出模拟结果。本发明的模拟方法提高了城市雨洪积水模拟的精度,能更好的指导进行城市雨洪管理。
-
公开(公告)号:CN115358166A
公开(公告)日:2022-11-18
申请号:CN202211022999.0
申请日:2022-08-24
申请人: 西安理工大学
IPC分类号: G06F30/28 , G06F17/10 , G06F111/10 , G06F113/08 , G06F119/14
摘要: 本发明公开的基于HLL格式的一维明渠水动力过程模拟方法,在计算机中读取计算区域的基础数据;采用Godunov格式的有限体积法离散一维圣维南方程,得到通量项、水面坡度源项、摩阻源项;根据设定水深阈值,判断网格的干湿情况,并进行标记;分别采用龙格‑库塔方法和MUSCL格式保证整体时空精度为二阶;采用HLL格式的近似Riemann求解器计算界面通量;采用底坡通量法计算水面坡度源项;采用显隐式方法计算摩阻源项;更新并最终输出模型模拟的结果文件。本方法计算精度高,可以模拟复杂明渠下的复杂水流运动过程,并实现大尺度的一维水流运动过程模拟。
-
公开(公告)号:CN118823632A
公开(公告)日:2024-10-22
申请号:CN202410810336.8
申请日:2024-06-21
申请人: 西安理工大学
IPC分类号: G06V20/40 , G06V10/774 , G06V10/44 , G06V10/80 , G06N3/0455
摘要: 本发明公开了多尺度注意力前向短时间隔帧预测的视频异常检测方法,首先给定视频帧序列,构建编码器网络提取序列的初级时空特征;在编码器和解码器之间的跳跃连接过程中使用多尺度特征提取模块对初级时空特征中的不同尺度目标进行多尺度特征提取;然后利用有效通道注意力剔除提取到的特征信息中的冗余信息;解码器通过提取的多尺度特征进行未来短时间隔帧预测;构建预测模型的损失函数;最后迭代训练模型并得到能够预测接近真实帧的模型;步骤7、通过计算预测帧和真实帧之间的多尺度预测误差进行视频异常检测。本发明能够对视频帧中不同尺度目标的特征进行充分提取,增强网络预测帧保持在未来和历史序列的运动一致性,有效提升异常检测的精度。
-
-
-
-
-
-
-
-
-