公开(公告)号：CN119164600A

公开(公告)日：2024-12-20

申请号：CN202411152729.0

申请日：2024-08-21

Applicant: 中国电力工程顾问集团华东电力设计院有限公司 ,  长江水利委员会长江科学院

Inventor： 黄勇 ,  王良才 ,  栾华龙 ,  周大健 ,  黄卫东

IPC: G01M10/00

Abstract: 本申请公开了一种基于物理模型的长江下游感潮河段冲刷深度试验方法，包括获取水下地形图；根据相似原理确定建立长江下游感潮河段的动床物理模型的合适的模型的几何比尺、水流运动比尺以及泥沙运动比尺、以及动床物理模型的模型试验沙和综合糙率；根据确定的几何比尺、水流运动比尺、泥沙运动比尺、模型试验沙、以及综合糙率，建立动床物理模型；将长江下游感潮河段的主要参数的实测值与通过动床物理模型试验模拟测得的主要参数的测量值进行比较，从而对动床物理模型进行验证；选择水文条件，然后在选定的各个水文条件下通过动床物理模型进行冲刷试验，从而获得冲刷深度。该方法能够考虑一次洪水的影响、小流量条件下天文大潮与台风组合条件对工程带来的影响，还能考虑连续长时间冲刷与典型洪水的组合的影响。

公开(公告)号：CN118363090A

公开(公告)日：2024-07-19

申请号：CN202410358907.9

申请日：2024-03-27

Applicant: 中国电力工程顾问集团华东电力设计院有限公司

Inventor： 刘旗洋 ,  黄勇 ,  王良才 ,  瞿天元

IPC: G01W1/10 ,  G06F18/214 ,  G06F18/241 ,  G06F18/213

Abstract: 本发明公开了基于多任务深度学习模型的短期风速风向预报订正方法，属于大数据技术领域，包括提取未来48小时逐小时NWP预报数据，实现逐小时NWP预报数据和气象站点观测的时空匹配与质量控制，构建对沿海风速风向订正具有重要影响的预报变量，建立具有可解释性的多任务深度学习模型，能够显著改善对风速风向的订正效果，同时提高模型训练速度并降低模型复杂度，并通过模型后解释SHAP方法使模型具有可解释性，解决了沿海短期风速风向预报精度低、难度大的技术问题，本发明能显著提高模型训练速度并降低模型复杂度，显著改善NWP对沿海风速风向的预报能力，并能得到不同输入变量的特征重要性，使风速风向预报订正的深度学习模型具有可解释性。