一种基于深度学习的特征提取水文预报的方法

    公开(公告)号:CN110619432B

    公开(公告)日:2022-08-30

    申请号:CN201910874717.1

    申请日:2019-09-17

    Abstract: 本发明提供了一种基于深度学习的特征提取水文预报的方法,属于水资源高效利用与水文预报领域,方法包括:首先利用流域历史信息获得流域水文预报特征因子集合,其次利用数据挖掘算法训练特征因子集合并获得不同因子作用下“量值”和“过程形态”相似的多组场次洪水过程集合,然后基于深度学习算法开展传统水文预报中各模型、方法的参数率定,并形成模型、方法与参数方案配套的模型库和方法库,最后结合聚类分析完成水文预报计算。相对于已有方法,本发明有效改进了传统水文预报方法预报精度较低、有效预见期较短等不足,在开展水文预报时能够明显提高预报精度、延长预见期,具有良好的适用性和可行性,为流域水文预报提供了行之有效的技术方法。

    多阻断长河系水库群洪水连续演进预报调度方法及系统

    公开(公告)号:CN118410919A

    公开(公告)日:2024-07-30

    申请号:CN202410864878.3

    申请日:2024-07-01

    Abstract: 本发明提供多阻断长河系水库群洪水连续演进预报调度方法及系统,根据上下游水力联系和河道组成特点,解析并定量刻画梯级水库群系统物理结构,将多阻断长河系拆解成由河道、水库、河道基本单元组成的河、库系统;概化系统每一个组成单元的上、下游关系并量化其波形特征,建立其坝上游和坝下游洪水演进过程方程;基于组成单元中水库的历史调度方案提取并量化调度规则,实现不同调度方式下调度过程与洪水演进的动态互馈计算,依次串接各个组成单元,进而完成多阻断长河系连续演算。量化水库调度运行影响下洪水演进过程,实现多阻断长河系连续自动演算,为水工程影响下流域洪水快速精准预报提供重要技术支撑。

Patent Agency Ranking