-
公开(公告)号：CN112700141A
公开(公告)日：2021-04-23
申请号：CN202011630854.X
申请日：2020-12-30
Applicant: 哈尔滨工业大学
IPC: G06Q10/06 , G06Q50/26 , G06F30/28 , G06F30/18 , G06F113/08 , G06F119/14 , G06F113/14
Abstract: 一种城市排水管网在线分析方法，解决了现有排水管网在模型计算结果不够灵活及实时指导性差的问题，属于市政工程、环境工程、管理学与计算机科学交叉领域。本发明包括：S1、构建排水管网水动力水质计算引擎；S2、利用排水管网水动力水质计算引擎将场景管网水质水动力运行任务编排成多个独立的任务单元，根据任务调度中心的指令及输入排水管网的数据，在集群分布式架构上动态的分配与调度任务单元，完成排水管网的场景模拟，获取排水管网水动力水质计算结果；S3、依据复杂网络理论，将排水管网抽象为二维点线有向加权网络，对排水管网的网络拓扑结构及水动力水质计算结果进行分析。
-
公开(公告)号：CN110751331A
公开(公告)日：2020-02-04
申请号：CN201910999819.6
申请日：2019-10-21
Applicant: 哈尔滨工业大学
Abstract: 基于河流水质模型的潮汐作用对河流水质的影响预测方法，涉及水质预测技术领域，为解决现有技术中传统河流水质模型对感潮河段水质模拟准确率低的问题，本发明提出一种基于河流水质模型的潮汐作用对河流水质的影响预测方法，弥补了传统河流水质模型对感潮河段水质模拟准确率低的缺陷，对于受潮汐作用影响严重的感潮河段的污染物控制具有重要意义。相较于先前的潮汐影响评价手段，本发明以河流水力水质模型为基础，能够定量地识别出潮汐作用对于感潮河段氨氮、总磷等污染物浓度的影响，从而能够提出更加精准有效的河流污染控制手段。
-
公开(公告)号：CN110472887A
公开(公告)日：2019-11-19
申请号：CN201910779561.9
申请日：2019-08-22
Applicant: 哈尔滨工业大学
Abstract: 流域管网-河道模型耦合的降雨对河流水质影响解析方法，属于城市河流污染控制技术领域。本发明解决了采用现有河道模型不能够获得降雨汇流对河道水质变化影响规律的问题。本发明中管网模型与河道模型采用沿河雨水排放口作为中间条件进行耦合与关联，利用管网污水水力水质参数直接与河道模型中河流水力水质参数进行关联，根据雨水入河排放口的流量以及水质信息，确定污染物在河道的输入位置与总量，设定河道水质模拟时间跨度，得到设定时间段内的河道河水水位以及污染物浓度变化规律。本发明可以应用于降雨过程对河流水质影响的解析。
-
公开(公告)号：CN110751331B
公开(公告)日：2021-06-25
申请号：CN201910999819.6
申请日：2019-10-21
Applicant: 哈尔滨工业大学
Abstract: 基于河流水质模型的潮汐作用对河流水质的影响预测方法，涉及水质预测技术领域，为解决现有技术中传统河流水质模型对感潮河段水质模拟准确率低的问题，本发明提出一种基于河流水质模型的潮汐作用对河流水质的影响预测方法，弥补了传统河流水质模型对感潮河段水质模拟准确率低的缺陷，对于受潮汐作用影响严重的感潮河段的污染物控制具有重要意义。相较于先前的潮汐影响评价手段，本发明以河流水力水质模型为基础，能够定量地识别出潮汐作用对于感潮河段氨氮、总磷等污染物浓度的影响，从而能够提出更加精准有效的河流污染控制手段。
-
Patent Agency Ranking
公开(公告)号：CN112712087A
公开(公告)日：2021-04-27
申请号：CN202011602274.X
申请日：2020-12-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于深度卷积神经网络的遥感影像地物语义分割方法，属于环境科学与工程与可见光遥感影像场景分类地物标注交叉领域；为了解决采用机器学习分类方法对水质模型进行建立时，存在计算效率低以及人工投入高的问题。本发明的语义分割方法为：制作自主标签的城市水环境“厂网河”遥感影像样本数据集；构建基于Unet融合交叉熵损失的深度卷积神经网络模型；对深度卷积神经网络模型进行语义分割训练，并输出语义分割结果；对语义分割结果进行评估。有益效果为计算效率高，人工投入低。
-
公开(公告)号：CN110472887B
公开(公告)日：2021-04-27
申请号：CN201910779561.9
申请日：2019-08-22
Applicant: 哈尔滨工业大学
Abstract: 流域管网‑河道模型耦合的降雨对河流水质影响解析方法，属于城市河流污染控制技术领域。本发明解决了采用现有河道模型不能够获得降雨汇流对河道水质变化影响规律的问题。本发明中管网模型与河道模型采用沿河雨水排放口作为中间条件进行耦合与关联，利用管网污水水力水质参数直接与河道模型中河流水力水质参数进行关联，根据雨水入河排放口的流量以及水质信息，确定污染物在河道的输入位置与总量，设定河道水质模拟时间跨度，得到设定时间段内的河道河水水位以及污染物浓度变化规律。本发明可以应用于降雨过程对河流水质影响的解析。
-
公开(公告)号：CN112668911A
公开(公告)日：2021-04-16
申请号：CN202011640839.3
申请日：2020-12-31
Applicant: 哈尔滨工业大学
Abstract: 水域岸线污染风险评估方法及控制智能决策方法和系统，属于环境工程技术与计算机技术交叉领域。为了解决现有的水域岸线污染风险评估方法效率低、准确率低的问题，以及对应进行控制智能决策的效率低的问题。本发明利用卷积神经网络对水域岸线遥感影像、航拍影像以及区域图像进行识别与语义分割，完成岸线宽度、人类活动、耕地占用面积、优势植株等影像因子的自动化计算与赋值；构建基于网络层次分析的水域岸线污染风险评价体系，确定影响因子权重，从而得到客观公正的定量化评价结果，提出基于影响因子权重水域岸线污染控制策略。主要用于水域岸线污染风险评估及控制智能决策。
-
公开(公告)号：CN112651179A
公开(公告)日：2021-04-13
申请号：CN202011607283.8
申请日：2020-12-29
Applicant: 哈尔滨工业大学
IPC: G06F30/27
Abstract: 一种河流底泥污染控制方法，解决了现有无法快速定量河流底泥污染权重及制定底泥污染工程策略的问题，属于环境工程技术领域。本发明包括：S1、构建和训练灰度神经网络模型，灰度神经网络模型的输入为断面上覆水数据、底泥污染数据以及河流水力数据，输出为底泥污染释放速率；S2、当前待预测断面数据输入至灰度神经网络模型；S3、获得底泥释放对河流水质污染贡献率η，若η小于贡献率设定值，转入S2预测下一断面，否则转S4；S4、利用熵权法获得底泥释放各污染因子权重ωj；S5、若ωj大于权重设定值，对应底泥释放污染因子作为控制点，选择相应控制技术决策方案；S6、整合所有断面的控制点及相应控制技术决策方案。
-
公开(公告)号：CN110334468A
公开(公告)日：2019-10-15
申请号：CN201910641632.9
申请日：2019-07-16
Applicant: 哈尔滨工业大学
Abstract: 一种城市排水管网雨水汇入量与溢流量的定量方法，它属于环境工程领域。本发明解决了目前无法根据不同的降雨情况，获得城市排水管网入河排放口的溢流量的问题。本发明根据城市排水管网的数据信息构建城市排水管网的模型，然后根据排水系统的实际运行情况添加截留管线、截留泵站和调蓄水池等截留构筑物，通过模拟多种不同降雨场景，最后分析降雨量与入河排放口溢流量的关系，拟合得出降雨量-入河排放口溢流量函数，最终确定入河排放口的最小临界降雨量以及任意降雨量下的入河排放口溢流量，从而为城市内河管理以及排水管网的升级优化提供理论参考依据。本发明可以应用于市政工程、环境工程以及计算机数值仿真模拟技术交叉领域。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.025 seconds)
