-
公开(公告)号：CN118212097B
公开(公告)日：2024-08-13
申请号：CN202410630045.0
申请日：2024-05-21
Applicant: 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) , 合肥工业大学
Abstract: 本发明公开了一种基于水资源管理平台的取水量预警方法。该基于水资源管理平台的取水量预警方法，包括以下步骤：通过水资源管理平台收集取水量预测参数数据；根据取水量预测参数数据得到第一预设时间段取水量预测值；根据第一预设时间段取水量预测值得到取水量预警程度评估指数；根据取水量预警程度评估指数分析取水家庭用水情况；根据取水家庭用水情况进行相应的预警提醒。本发明通过计算第一预设时间段取水量预测值和取水量预警程度评估指数，从而根据取水量预警程度评估指数分析取水家庭用水情况并进行相应的预警提醒，达到了方便快捷地进行取水量预测的效果，解决了现有技术中存在不能方便快捷地对取水量进行预测的问题。
-
公开(公告)号：CN118246605A
公开(公告)日：2024-06-25
申请号：CN202410621680.2
申请日：2024-05-20
Applicant: 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) , 合肥工业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q50/06 , G06F17/18
Abstract: 本发明涉及需水量预测技术领域，具体公开一种基于ARIMA模型的农村地区需水量预测方法，该方法包括：供水区域分析、用水区域判定、气象数据评定以及需水量预测反馈；首先依据农村地区所属供水区域的各供水区域的各供水设备，分析农村地区所属供水区域的供水程度；并依据农村地区所属用水区域的历史用水相关数据，判定农村地区所属用水区域的历史用水程度；同时依据农村地区的气象数据，评定农村地区的气象异常程度；采用ARIMA模型综合预测农村地区的参考需水量，由此对农村地区进行需水量预测反馈，有利于农村地区准确、全面预测需水情况，并更有效地制定水资源管理的合理规划决策，同时促进农村地区水资源的可持续发展。
-
公开(公告)号：CN118246605B
公开(公告)日：2024-08-30
申请号：CN202410621680.2
申请日：2024-05-20
Applicant: 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) , 合肥工业大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/067 , G06Q50/06 , G06F17/18
Abstract: 本发明涉及需水量预测技术领域，具体公开一种基于ARIMA模型的农村地区需水量预测方法，该方法包括：供水区域分析、用水区域判定、气象数据评定以及需水量预测反馈；首先依据农村地区所属供水区域的各供水区域的各供水设备，分析农村地区所属供水区域的供水程度；并依据农村地区所属用水区域的历史用水相关数据，判定农村地区所属用水区域的历史用水程度；同时依据农村地区的气象数据，评定农村地区的气象异常程度；采用ARIMA模型综合预测农村地区的参考需水量，由此对农村地区进行需水量预测反馈，有利于农村地区准确、全面预测需水情况，并更有效地制定水资源管理的合理规划决策，同时促进农村地区水资源的可持续发展。
-
公开(公告)号：CN118212097A
公开(公告)日：2024-06-18
申请号：CN202410630045.0
申请日：2024-05-21
Applicant: 安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站) , 合肥工业大学
Abstract: 本发明公开了一种基于水资源管理平台的取水量预警方法。该基于水资源管理平台的取水量预警方法，包括以下步骤：通过水资源管理平台收集取水量预测参数数据；根据取水量预测参数数据得到第一预设时间段取水量预测值；根据第一预设时间段取水量预测值得到取水量预警程度评估指数；根据取水量预警程度评估指数分析取水家庭用水情况；根据取水家庭用水情况进行相应的预警提醒。本发明通过计算第一预设时间段取水量预测值和取水量预警程度评估指数，从而根据取水量预警程度评估指数分析取水家庭用水情况并进行相应的预警提醒，达到了方便快捷地进行取水量预测的效果，解决了现有技术中存在不能方便快捷地对取水量进行预测的问题。
-
公开(公告)号：CN118428552A
公开(公告)日：2024-08-02
申请号：CN202410651409.3
申请日：2024-05-24
Applicant: 合肥工业大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0455 , G06N3/0499 , G06N3/048 , G06N3/0442 , G06N3/08 , G06F17/16 , G06F17/18 , G06F18/214
Abstract: 本发明涉及水资源管理技术领域，公开了基于多头注意力机制的工业用水量预测方法、系统及介质。该方法获取历史用水量数据，设置长度为t1时间窗口，并设置滑动步长，将历史用水量数据分割为若干个数据样本，以此构成样本集。再构建包括多头注意力模块和前馈神经网络模块的多头注意力编码器模型。然后利用样本集对多头注意力编码器模型进行训练，并在测试合格后得到工业用水量预测模型，最后将待预测日之前连续t1天的用水量数据输入至工业用水量预测模型，从而输出待预测日的工业用水量预测结果。本发明能够准确预测工业用水量。
-
Patent Agency Ranking
公开(公告)号：CN119129857A
公开(公告)日：2024-12-13
申请号：CN202411612031.2
申请日：2024-11-13
Applicant: 合肥工业大学 , 合肥水务集团有限公司
IPC: G06Q10/04 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/082 , G06Q50/06 , G06F18/10 , G06F18/213 , G06F18/25
Abstract: 本发明公开了基于时空图神经网络的供水管网水质预测方法及软件系统，涉及供水管网技术领域，包括以下步骤：获取数据库中供水管网中的水质传感器监测数据和外部环境因素数据并进行预处理；基于预设的图卷积神经网络模型，加入时间卷积模块和空间卷积模块，搭建供水管网水质预测模型；将所述水质传感器实时监测数据输入至所述供水管网水质预测模型中，得到水质传感器的水质指标预测值；基于所述水质监测点的水质指标预测值和预设的水质阈值，对供水管网水质状态进行分级预警，本申请通过基于时空图神经网络的供水管网水质预测方法及软件系统实现了同时处理多个水质传感器的数据，通过图卷积和时间序列分析，从而提升水质预测的准确性。
-
公开(公告)号：CN118862387A
公开(公告)日：2024-10-29
申请号：CN202410878513.6
申请日：2024-07-02
Applicant: 合肥工业大学
IPC: G06F30/18 , F17D3/01 , G06F30/28 , G06F17/14 , G06F17/16 , G06N3/126 , G06F111/06 , G06F113/08 , G06F113/14 , G06F119/14
Abstract: 本发明公开了一种基于图频谱分析的供水管网压力监测点优化布置方法(GOSP)，属于城市供水管网压力监测点布置领域，首先使用加权图表示不规则供水管网结构中数据的空间关系，用图傅里叶变换将管网空间数据变换到频域，通过少数频率分量重构管网压力状态的全局变化趋势。基于D‑最优设计方法，通过寻找信息矩阵Fisher信息熵最大化的代表节点来确定最优传感器位置，从而确保最优监测点布置能够最大程度地重构管网压力的空间分布状态。该方法求得的最优监测点布置方案具有通用性强、鲁棒性强的优点，可以在不同场景中取得较好的性能；为寻找供水管网中最优压力监测点位置提供了一种通用且具有鲁棒性的方法。
-
公开(公告)号：CN118551889A
公开(公告)日：2024-08-27
申请号：CN202410648163.4
申请日：2024-05-23
Applicant: 合肥工业大学
IPC: G06Q10/04 , G06N3/0442 , G06N20/20 , G06N3/08 , G06N3/0499
Abstract: 本发明公开了一种行业用户用水预测方法，本发明通过所有用户的用水量数据使用同一个初始全局模型，利用损失函数完成模型的更新，在模型更新过程中，利用行业用户信息和二范数实现多次分簇，使得不同行业用户的用水量数据符合独立同分布，不同行业的用户能够利用同一个初始全局模型完成模型训练，更加的方便；同时使得最终分得的每个簇中的用户具有相似分布的用水量数据，用户训练模型具有较大的本地用水量数据作为支撑，以极大地减小每个簇中的每个用户训练出的模型差异，具有更高的预测精度。
-
公开(公告)号：CN118332270A
公开(公告)日：2024-07-12
申请号：CN202410046624.0
申请日：2024-04-19
Applicant: 合肥工业大学
IPC: G06F18/15 , G06F18/213 , G06F17/16 , G06F16/901 , G06F123/02
Abstract: 本发明涉及供水管网技术领域，公开了基于图信号采样理论的供水数据缺失修补方法及软件系统，修补方法包括：基于供水管网水力数据的相邻相关性与周期性，将时间序列数据排列为图数据；在排序得到的图数据基础上，得到时间拉普拉斯矩阵，并利用水力数据变化的低频性进行特征频率分析；基于拉普拉斯矩阵分解得到的特征图频率系数与特征图频率基底，重构时间序列数据，并用重构后的数据进行供水管网缺失数据的插补。该方法应用更加简洁方便，能充分利用给水管网数据内部相关性，不需要进行模型训练或其他参数采集，对于管网智能化的流量预测、泄漏检测等提供了数据基础，解决了管网监测数据缺失多、质量差等难题。
-
公开(公告)号：CN119129857B
公开(公告)日：2025-03-07
申请号：CN202411612031.2
申请日：2024-11-13
Applicant: 合肥工业大学 , 合肥水务集团有限公司
IPC: G06Q10/04 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/082 , G06Q50/06 , G06F18/10 , G06F18/213 , G06F18/25
Abstract: 本发明公开了基于时空图神经网络的供水管网水质预测方法及软件系统，涉及供水管网技术领域，包括以下步骤：获取数据库中供水管网中的水质传感器监测数据和外部环境因素数据并进行预处理；基于预设的图卷积神经网络模型，加入时间卷积模块和空间卷积模块，搭建供水管网水质预测模型；将所述水质传感器实时监测数据输入至所述供水管网水质预测模型中，得到水质传感器的水质指标预测值；基于所述水质监测点的水质指标预测值和预设的水质阈值，对供水管网水质状态进行分级预警，本申请通过基于时空图神经网络的供水管网水质预测方法及软件系统实现了同时处理多个水质传感器的数据，通过图卷积和时间序列分析，从而提升水质预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.079 seconds)
