-
公开(公告)号：CN119598702A
公开(公告)日：2025-03-11
申请号：CN202411527413.5
申请日：2024-10-30
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明公开一种面向水利业务场景的多维多层数据模型构建方法，包括构建基于水利对象、计算素材、计算模型、计算时间、计算成果的五维水利业务场景模型，构建水利业务与素材及成果的关系，构建对象属性表、素材属性表、模型属性表、时间属性表、成果属性表，构建水利单元业务属性表，单元业务属性表描述水利单元业务场景涉及的对象、素材、模型、时间、成果的信息，构建单元数据模型，确定水利单元业务属性表与建立的五个属性表的关联关系，对单元数据模型进行组合，构建一个业务场景的水利数据模型；本发明面向单元业务构建单元数据模型，根据对象的水力、从属关系对单元数据模型进行灵活编排，实现对各种水利业务场景相关数据的动态组织。
-
公开(公告)号：CN117131977B
公开(公告)日：2024-01-23
申请号：CN202311002894.3
申请日：2023-08-09
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 一种基于误判风险最小准则的径流预报样本集划分方法，包括：根据选择的数据驱动模型建立预报因子和径流之间的映射关系表达式；采用实测样本集率定数据驱动模型，作为数据驱动模型的总体估计，数据驱动模型对实测样本集的拟合精度即为总体精度的估计；从所估计的总体中进行随机抽样，将样本集划分为训练集和测试集，进行模型率定和检验；给定多组训练集、测试集划分方案，对每个划分方案，到随机抽样的预测精度样本集；计算不同划分方案下的预测精度分布与总体精度的偏离程度，根据偏离程度选择最佳或合理的样本集划分。本发明可有效减小因抽样不确定性而导致的预测精度指标对模型预测效果的误判风险，提高预报模型预测精度检验结果的可靠性。
-
公开(公告)号：CN108875161B
公开(公告)日：2022-11-29
申请号：CN201810552066.X
申请日：2018-05-31
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供了一种基于卷积神经网络深度学习的流量等级预测方法，包括以下步骤：选择与水库入库流量潜在相关的影响因子作为输入集合；进行样本集分类和原始输入数据集构建；对样本集中的原始输入数据集进行标准化处理；搭建多层卷积神经网络；以均方误差最小化作为损失函数，确定预测准确率；进行网络参数训练；进行网络性能测试；检验预测精度；进行模型参数的滚动学习训练；自动保存学习训练成果并自动更新实时库的知识记录；通过网络模型计算得出最终的流量等级预测结果。本发明通过组合低层特征形成更加高层的特征融合，从而实现对目标的高级抽象描述，并通过自动学习能发现输入数据的模式和时空分布规律，可有效应用于流域水情预报领域。
-
公开(公告)号：CN111401780A
公开(公告)日：2020-07-10
申请号：CN202010246654.8
申请日：2020-03-31
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明涉及水利信息化领域，具体涉及一种可实现双端多场景协同的水利业务应用决策支持系统。包括水利业务应用计算系统，用于供专业人员产出各类水利业务方案，并经双端协同平台发送至水利决策辅助系统，以及接收修改反馈建议，重新计算生成新的水利业务方案；水利决策辅助系统，用于接收各类水利业务方案，进行综合对比展示分析，并将决策者的意见生成修改反馈建议；双端协同平台，用于实现水利业务应用计算系统和水利决策辅助系统之间的数据交互。将水利业务计算和水利决策分析的过程解耦，减少业务需求和业务过程的交叉，让专业计算人员和决策人员可专注于关注自身的专业工作范畴，双端异步并行展开工作，综合提升整个决策支持的过程运转效率。
-
公开(公告)号：CN110377993B
公开(公告)日：2020-06-12
申请号：CN201910616101.4
申请日：2019-07-09
Applicant: 长江勘测规划设计研究有限责任公司
IPC: G06F30/20 , G06Q50/26 , G06F111/04
Abstract: 本发明将组件化、组态化和流程引擎技术引入流域洪水调度控制领域。本发明提供了一种超标准洪水多组合调控计算的敏捷组态方法，包括以下步骤：将各类模型算法组件封装为节点库；从节点库中选择一个节点作为流程的起点节点；为起始节点耦合计算对象，并根据规则库校验当前节点与对象耦合是否有效；根据组合需求创建下级节点；为下级节点耦合计算对象；根据组合计算需求，重复步骤循环创建新的下级节点，并完成对应的节点流向和对象耦合校验，直至节点创建完毕；归集节点流的所有输入信息，启动计算任务，输出汇总结果。
-
Patent Agency Ranking
公开(公告)号：CN117494862A
公开(公告)日：2024-02-02
申请号：CN202311000418.8
申请日：2023-08-09
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供一种基于假设检验的有限样本下数据驱动径流预报模型优选方法，包括：建立径流与预报因子之间的映射关系，选择多个数据驱动模型对映射关系进行描述，建立备选模型集；对选择的模型假设率定模型参数，作为真实模型的总体估计；对总体的模型进行抽样，将样本集划分为训练集和测试集，对每一组划分方案进行模型率定和检验，得到预测精度的抽样分布；确定最佳样本集划分容量；计算测试集的预测精度以及统计量的观察值；根据统计量的观察值是否落在拒绝域，判断是否拒绝原假设；若存在多个备选模型均通过假设检验，基于“拒绝率最小”准则进行模型优选。本发明可验证预报模型对未知总体推断预测的可靠性，为预报模型的优选提供决策依据。
-
公开(公告)号：CN117454745A
公开(公告)日：2024-01-26
申请号：CN202311260286.2
申请日：2023-09-27
Applicant: 长江勘测规划设计研究有限责任公司
IPC: G06F30/27 , G06F30/28 , G06N5/022 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种基于多层模型架构和图谱流的水利模型构建方法，第一层拆分水利原子级模型，在制定的通用化模型开发规范下完成原子级模型库的开发；第二层对原子级模型进行单水利对象的实例化，采用“节点‑属性‑关系”三元组构建对象模型图谱，将模型标志作为图谱节点，模型的输入、参数、输出、对象来源、运行效率、运行时间等内容作为图谱属性，模型先后顺序、嵌套对象上下级层次与流域水利对象拓扑关系作为图谱关系；第三层基于图理论最优路径算法自动寻找从起点对象模型顺图谱流到终点对象模型的最优路径，完成多对象复杂水利模型的编排。本发明方法可以灵活组织水利对象与模型得到复杂水利模型，通用性高、实用性强、灵活性好。
-
公开(公告)号：CN117332574A
公开(公告)日：2024-01-02
申请号：CN202311212994.9
申请日：2023-09-19
Applicant: 长江勘测规划设计研究有限责任公司
IPC: G06F30/20 , G06F30/10 , G06F17/11 , G06F113/08 , G06F111/10
Abstract: 本发明涉及水利工程技术领域，尤其涉及一种基于数字孪生技术的河道糙率动态估计方法，通过实时的数据反馈，构建的实时数字孪生模型，对河道断面的糙率进行实时动态估计。根据河段断面来水和相关参数，利用数字孪生技术构建了河道断面数字孪生模型和水动力学模型为核心的断面水流仿真模型，采用传感器对河道数字孪生模型进行跟踪与更新，然后基于实时同步的河道数字孪生模型，利用数据同化技术实现断面水流仿真模型的糙率动态估计。使用河道数字孪生模型，对河道糙率进行动态估计，并储存相应来流对应糙率数据，提高使用糙率计算水位的准确性，实时性，实时动态的河道断面数据，为未来河道断面糙率预估提供了准确的水位‑地形‑糙率数据库。
-
公开(公告)号：CN109840587A
公开(公告)日：2019-06-04
申请号：CN201910007771.6
申请日：2019-01-04
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明涉及流域水情预测技术领域，公开了一种基于深度学习的水库入库流量预测方法，包括如下步骤：取得历史数据，利用DBN模型进行学习，取得各控制站及水库的历史流量数据与水库的入库流量之间的对应关系，进而取得无雨情况下预测的水库入库流量、有雨情况下预测的水库入库流量和有雨情况下的差值delta，通过LSTM训练学习，取得有雨情况下预测的入库流量差值，进而取得最终预测的水库入库流量。本发明基于深度学习的水库入库流量预测方法，将深度置信网络与长短期记忆网络算法相融合应用于入库流量的预测，提高了对入库流量的预报精度，并且提升了模型的可靠性和可扩展性。
-
公开(公告)号：CN117494862B
公开(公告)日：2024-05-28
申请号：CN202311000418.8
申请日：2023-08-09
Applicant: 长江勘测规划设计研究有限责任公司
Abstract: 本发明提供一种基于假设检验的有限样本下数据驱动径流预报模型优选方法，包括：建立径流与预报因子之间的映射关系，选择多个数据驱动模型对映射关系进行描述，建立备选模型集；对选择的模型假设率定模型参数，作为真实模型的总体估计；对总体的模型进行抽样，将样本集划分为训练集和测试集，对每一组划分方案进行模型率定和检验，得到预测精度的抽样分布；确定最佳样本集划分容量；计算测试集的预测精度以及统计量的观察值；根据统计量的观察值是否落在拒绝域，判断是否拒绝原假设；若存在多个备选模型均通过假设检验，基于“拒绝率最小”准则进行模型优选。本发明可验证预报模型对未知总体推断预测的可靠性，为预报模型的优选提供决策依据。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.065 seconds)
