-
-
公开(公告)号：CN112116147A
公开(公告)日：2020-12-22
申请号：CN202010972535.0
申请日：2020-09-16
Applicant: 南京大学
Abstract: 本发明公开一种基于LSTM深度学习的河流水温预测方法，属于水文模型技术领域，通过收集某河流历史逐日气温、流量和水温资料；将时间序列划分为训练集和测试集，对数据进行正则化处理；基于训练集数据，利用气温和流量作为输入因子，水温为输出因子，构建基于长短期记忆神经网络LSTM的水温预测模型；将测试集气温和流量输入训练好的模型，并通过反正则化处理得到测试集水温预测结果；对比测试集水温预测值和观测值，以平均绝对误差MAE、均方根误差RMSE、纳什效率系数NSE和决定系数R2作为检验标准，验证模型合理性。本发明是精度高、结果可靠的河流水温预测方法，相比于现行的机器学习河流水温预测方法具有优越性，为河流生态系统管理和保护提供科学支撑。
-
公开(公告)号：CN111445109A
公开(公告)日：2020-07-24
申请号：CN202010138645.7
申请日：2020-03-03
Applicant: 南京大学
Abstract: 本发明公开一种多环芳烃综合生态风险评价和敏感性分析优化方法，以层次阿基米德Copula函数为核心，计算在考虑各PAHs之间的内部相关性前提下的概率，并与可忽略浓度与最大允许浓度标准相结合，对区域内PAHs的综合生态风险进行评价。本发明将层次阿基米德Copula函数与单一生态风险评价指标结合在一起，从统计角度系统评价多种PAHs的混合生态风险，较好地解决了由于内部相关性导致的综合风险与单一风险累加结果不一致的缺陷，定量、定性地评价综合生态风险，并依据其对不同因素的敏感性分析结果，分析降低风险的有效举措，具有客观性和合理性。
-
Patent Agency Ranking
公开(公告)号：CN109165455B
公开(公告)日：2020-06-16
申请号：CN201811025120.1
申请日：2018-09-04
Applicant: 南京大学
Abstract: 本发明公开一种基于互信息和vine copula的水文相依结构建模方法，首先，利用互信息及条件互信息度量水文变量的相关关系及不确定性，结合相关性最强及不确定最小原则，选择vine copula的结构，从第一棵树开始，计算两两配对变量的互信息，选择使互信息之和最大化的配对方式作为树的边，再计算可能配对变量的条件互信息，选择使得条件互信息之和最大化的配对方式作为树2，重复直到整棵树结构确定。其次，根据确定的树结构，拟合边缘分布，做拟合优度检验，从树1开始，利用AIC准则确定边的copula类型，估计参数，做拟合优度检验，接着计算变量的条件边缘分布，并重复确定copula类型、估计参数和检验步骤，直到所有树都确定。连接所有的树和边，完成水文相依结构的建模。
-
公开(公告)号：CN107315722B
公开(公告)日：2020-01-21
申请号：CN201710532961.0
申请日：2017-07-03
Applicant: 南京大学
Abstract: 本发明公开一种基于克里金和信息熵理论结合的水文站网优化模型，以信息总量最大化和站网估计误差最小化两个目标为主导，提出站点最优布置的理论依据—NI‑KSE标准，对潜在站网进行重新规划布置。本发明将克里金和信息熵理论相结合在一起，较为系统评价潜在的水文站网，很好地解决站网中密度过大，局部误差太大和信息冗余量的缺陷，定量地描述站点间的信息总量和空间分布的合理性，对站网进行较为客观地评价和优化，具有合理性和有效性。
-
公开(公告)号：CN110689182A
公开(公告)日：2020-01-14
申请号：CN201910890913.8
申请日：2019-09-20
Applicant: 南京大学
Abstract: 本发明公开了一种考虑径流预测的多目标雨量站网设计方法，所述方法根据雨量站点间信息冗余最小、雨量站对下游流量站信息传递最大和面平均雨量预测偏差最小的多目标准则，通过基于NSGA-II的遗传算法对研究区雨量站网优化设计，利用人工神经网络(ANN)降雨-径流模型评价优化结果对径流预测精度的影响。本发明方法将雨量站网优化和降雨-径流模型相结合，从径流预测的角度补充了现有站网优化分析和设计的不足，并提出了一种适用性良好的雨量站网优化设计框架及方法。
-
公开(公告)号：CN106897530B
公开(公告)日：2019-08-06
申请号：CN201710126728.2
申请日：2017-03-06
Applicant: 南京大学
Abstract: 本发明公开一种基于Copula熵的水文站网优化模型的优化方法，包括以下步骤：Copula函数的优选、计算水文信息传递值和站网重组和优选；基于Copula函数理论和信息熵原理的有机结合，以Copula熵代替传统的互信息量为主要改进并结合站点对间的距离量，提出水文信息传递强度量这一基本评价指标，并创新性地提出信息传递量均值指标(AI)以及阈值范围的确定方法对潜在站网进行重新的站网组合。本发明将Copula熵运用到水文站网的评价中，很好地解决了水文多变量联合概率密度函数估计的局限性，定量地描述了水文站点间的信息传递量，对站网进行较为客观地评价和优化，具有合理性和有效性。
-
公开(公告)号：CN109165455A
公开(公告)日：2019-01-08
申请号：CN201811025120.1
申请日：2018-09-04
Applicant: 南京大学
Abstract: 本发明公开一种基于互信息和vine copula的水文相依结构建模方法，首先，利用互信息及条件互信息度量水文变量的相关关系及不确定性，结合相关性最强及不确定最小原则，选择vine copula的结构，从第一棵树开始，计算两两配对变量的互信息，选择使互信息之和最大化的配对方式作为树的边，再计算可能配对变量的条件互信息，选择使得条件互信息之和最大化的配对方式作为树2，重复直到整棵树结构确定。其次，根据确定的树结构，拟合边缘分布，做拟合优度检验，从树1开始，利用AIC准则确定边的copula类型，估计参数，做拟合优度检验，接着计算变量的条件边缘分布，并重复确定copula类型、估计参数和检验步骤，直到所有树都确定。连接所有的树和边，完成水文相依结构的建模。
-
-
-
-
-
-
-
Search Results
28
records
(took 0.022 seconds)
