-
公开(公告)号：CN119761839A
公开(公告)日：2025-04-04
申请号：CN202411664993.2
申请日：2024-11-20
Applicant: 长江生态环保集团有限公司 , 中国长江三峡集团有限公司
IPC: G06Q10/0637 , G06Q50/26 , G06F17/11 , G01W1/10
Abstract: 本发明提供了一种基于短期降雨预报的湖泊预泄时机确定方法及系统，涉及城市防洪排涝技术领域。所述方法包括：获取短期降雨预报数据；基于所述短期降雨预报数据计算逐小时产汇流量，并在设定时刻之前根据所述逐小时流量计算入湖总水量；根据泵站设计排水流量、水量平衡方程和所述入湖总水量进行出湖水量计算，确定出湖总水量；利用所述水量平衡方程、所述入湖总水量和所述出湖总水量进行联合计算，得到泵站启动时刻；所述泵站启动时刻用于确定湖泊预泄时机。本发明能够从时间上动态优化泵站抽排方式，确定湖泊预泄时机，提升城市强降雨应对能力。
-
公开(公告)号：CN118298962B
公开(公告)日：2025-03-14
申请号：CN202410329167.6
申请日：2024-03-21
Applicant: 长江生态环保集团有限公司
Abstract: 本发明公开一种基于长短期记忆阶跃序列的进水氨氮浓度预测方法，包括如下步骤：(1)准备污水厂进水氨氮浓度预测输入数据和输出数据，对数据进行预处理；(2)构建基于长短期记忆阶跃序列的污水厂进水氨氮浓度预测模型，对城市污水厂进水氨氮浓度进行预测；(3)对模型进行训练和测试，对模型参数进行设置，确保模型能够对污水厂进水氨氮浓度进行准确模拟；(4)对污水厂进水氨氮浓度进行模拟，对模型的预测性能进行评估；本发明方法可用于污水处理厂进水氨氮浓度的预测，可以提高污水厂进水氨氮浓度预测精度，对于降低污水中氨氮浓度具有重要意义。
-
公开(公告)号：CN118297215A
公开(公告)日：2024-07-05
申请号：CN202410329164.2
申请日：2024-03-21
Applicant: 长江生态环保集团有限公司
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种基于多尺度跳跃深度长短期记忆网络的径流污染预测方法，包括收集国内不同城市的降雨径流污染观测数据，建立降雨径流污染时间序列数据集；构建基于多尺度跳跃深度长短期记忆网络的短期降雨径流污染预测模型；利用降雨径流污染时间序列数据集对短期降雨径流污染预测模型进行训练和测试；分别构建单层和多层长短期记忆网络的短期降雨径流污染预测模型，利用降雨径流污染时间序列数据集对模型进行训练和测试，并将单层和多层长短期记忆网络降雨径流污染预测模型作为基准模型，对基于多尺度跳跃深度长短期记忆网络的短期降雨径流污染预测模型的预测性能进行比较与评估；本发明可以提高降雨径流污染预测精度。
-
公开(公告)号：CN117537286A
公开(公告)日：2024-02-09
申请号：CN202311530723.8
申请日：2023-11-16
Applicant: 长江生态环保集团有限公司
IPC: F17D5/06
Abstract: 本发明提供了一种供水管网爆管与监测点自身故障快速检测与识别方法，包括：步骤（1）、利用EPANET对管网模型进行水力模拟，得到管网正常工况和异常工况下各个压力监测点的压力监测数据；步骤（2）、采用三种异常值检测方法对供水管网各个监测点的监测数据进行异常检测，确认各个时刻的监测数据是否为异常值；步骤（3）、对三种异常值检测方法进行集成，根据三种异常检测方法的检测结果对各个监测数据进行判断，确认其是否为异常值；步骤（4）、对集成的异常检测方法进行在线加密，提高计算效率；本发明能够准确识别爆管并区分各种传感器数据发生异常的情况。
-
公开(公告)号：CN118521181B
公开(公告)日：2025-02-14
申请号：CN202410794774.X
申请日：2024-06-19
Applicant: 长江生态环保集团有限公司
IPC: G06Q10/0637 , G06Q10/0635 , G06Q10/0631 , G06Q10/04 , G06Q50/06 , G06Q50/26 , G06F17/16 , G06F17/18 , G06N7/02
Abstract: 基于风险评估的城市排水调蓄设施运行逐步决策分析方法，在城市排水调蓄设施运行各决策标准偏好信息完全缺失或不明确条件下，利用博弈论和可行权空间相结合的方法对城市排水调蓄设施运行权重进行集结，采用随机多准则决策分析算法和模糊优化模型构建城市排水调蓄设施运行随机多准则决策分析模糊优化模型，构建城市排水调蓄设施运行决策风险评估模型量化评估城市排水调蓄设施运行决策失误的风险，采用多阶段多准则决策分析，逐步确定城市排水调蓄设施运行各标准权值信息，从而实现城市排水调蓄设施运行最佳决策。
-
Patent Agency Ranking
公开(公告)号：CN118298963A
公开(公告)日：2024-07-05
申请号：CN202410329175.0
申请日：2024-03-21
Applicant: 长江生态环保集团有限公司
IPC: G16C20/70 , G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种基于长短期记忆阶跃序列的排水管网水质预测方法，包括如下步骤：(1)准备排水管网水质预测输入数据和输出数据，对数据进行预处理；(2)构建基于长短期记忆阶跃序列的排水管网水质预测模型，对城市排水管网的水质进行预测；(3)对模型进行训练和测试，对模型参数进行设置，确保模型能够对排水管网的水质变化过程进行准确模拟；(4)对排水管网的水质变化过程进行模拟，对模型的预测性能进行评估；本发明可用于城市排水管网水质预测，提高排水管网水质的预测精度，对于改善城市水环境具有重要意义。
-
公开(公告)号：CN118297216A
公开(公告)日：2024-07-05
申请号：CN202410329176.5
申请日：2024-03-21
Applicant: 长江生态环保集团有限公司
IPC: G06Q10/04 , G06Q50/26 , G06N3/0442 , G06N3/084 , G06N3/0985
Abstract: 本发明提供一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，属于城市水系统类城市降雨径流污染预测，首先采用滚动分解方法将降雨径流序列数据分解成不同的子序列，然后依次对添加数据进行分解，排除未来数据，避免信息泄露，并采用递归神经网络对子序列进行建模和预测，最后对子序列的预测结果进行求和，得到降雨径流污染的预测结果。
-
公开(公告)号：CN118257977A
公开(公告)日：2024-06-28
申请号：CN202410515069.1
申请日：2024-04-26
Applicant: 长江生态环保集团有限公司
Abstract: 本发明提供了一种管道供水管网泄漏报警控制装置及运行方法，包括供水管道、三向管、防护罩和预警控制机构；至少两根供水管道之间通过三向管连接；防护罩可拆卸安装在供水管道的外侧，防护罩的内壁与供水管道外周面组合形成一储水空腔，以用于收集供水管道泄漏出的水体。预警控制机构设置在防护罩的外侧，预警控制机构包括连接管、流转盘和单向阀；两根连接管通过流转盘连通，单向阀连通在三向管上；流转盘上设置有发电组件，流转盘上安装有蜂鸣器，且蜂鸣器与发电组件电性连接，使得供水管道在发生泄漏时蜂鸣器发出警报。此装置能够对供水管道的泄漏进行自动检测并报警，并能够实现泄漏部位的大致标定，以便于后续及时对泄漏部位进行维修。
-
公开(公告)号：CN117714100A
公开(公告)日：2024-03-15
申请号：CN202311530722.3
申请日：2023-11-16
Applicant: 长江生态环保集团有限公司
Abstract: 本发明公开一种基于无监督叠加集成的供水管网网络攻击检测与识别方法，包括：步骤（1）：对供水管网进行水力模拟，得到管网正常工况下和网络攻击时各个传感器的实时监测数据；步骤（2）：构建供水管网网络攻击实时检测与识别框架，该框架包含四个异常检测模块：（a）单点异常检测模块；（b）单点定性检测模块；（c）监测点自身序列检测模块；（d）监测点之间序列检测模块；步骤（3）：准备训练和测试数据，对供水管网网络攻击实时检测与识别框架进行训练和测试，确定各个异常检测模块的阈值；步骤（4）：利用供水管网网络攻击实时检测与识别框架对网络攻击进行检测和识别；本发明能够较好地识别网络攻击检测算法数据集中的所有攻击。
-
公开(公告)号：CN117216949A
公开(公告)日：2023-12-12
申请号：CN202311054010.9
申请日：2023-08-21
Applicant: 长江生态环保集团有限公司
IPC: G06F30/20 , G06F18/213 , G06F18/214 , G06N3/094 , G06F18/241 , G06F113/14
Abstract: 本发明提供了一种基于深度学习的跨传感器爆管定位域自适应方法，利用不同传感器的监测数据对供水管网的爆管进行定位。首先对传感器进行优化布置，得到满足爆管检测要求的传感器布置方案。然后，对爆管进行模拟得到各个管道发生爆管的情况，并分别将不同传感器的监测数据作为爆管定位模型训练和测试数据。最后，利用不同传感器的监测数据分别作为训练和测试数据对深度学习域自适应模型进行训练。该方法分别利用不同位置的传感器监测数据作为源域和目标域数据，有效解决了源域和目标域分布不一致的问题。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.058 seconds)
