-
公开(公告)号：CN102225422A
公开(公告)日：2011-10-26
申请号：CN201110104798.0
申请日：2011-04-26
Applicant: 华北电力大学
IPC: B09C1/00
Abstract: 本发明公开了属于石油环境污染修复技术领域的一种双相真空抽吸模拟系统及其模拟方法。该模拟系统包括三维模拟区、污染源、双相真空抽吸井、监测井、抽吸泵、水位计、水泵、空气压缩机、蒸汽发生器等。通过采用多项流多组分模拟方法，模拟地下水中非水相流石油污染物的传输、迁移和转化，以及生物降解过程，有效的模拟双相真空抽吸修复过程，更好的解决双相真空抽吸技术设计过程中的参数率定问题，确保设计是最优设计。该模拟模型能更加真实的反映地下层的客观现实，更好的模拟、预测土壤和地下水污染状况和修复效果。
-
公开(公告)号：CN113610302B
公开(公告)日：2024-02-23
申请号：CN202110908454.9
申请日：2021-08-09
Applicant: 华北电力大学
IPC: G06F18/213 , G06F18/15 , G06F18/2321 , G06F18/214 , G06N3/0442 , G06N3/0985 , G06N3/082 , G06N3/0499
Abstract: 本发明公开了属于地表温度降尺度技术领域的一种基于逐步聚类与循环神经网络的地表温度降尺度方法。包括以下步骤，步骤1：获取站点温度实测数据以及大尺度、低分辨率气候预报因子，得到预报因子代表性强的因子；步骤2：对步骤1的数据进行逐步聚类，并对温度实测数据序列中的缺失值进行插值处理；步骤3：设定超参数，构建循环神经网络模型；步骤4：训练与验证循环神经网络模型；步骤5：对未来气候变化情景下的每日温度数据进行降尺度；步骤6：通过全连接层，得到未来气候变化情景下高分辨率的每日模拟温度数据。本发明方法的效果优于大部分传统统计降尺度方法，运算较快，使用方便，善于处理少量有效样本的站点实测数据，实用性较强。
-
公开(公告)号：CN113837283B
公开(公告)日：2024-01-30
申请号：CN202111125728.3
申请日：2021-09-26
Applicant: 华北电力大学
IPC: G06F18/23213 , G06F18/241
Abstract: 本发明提出一种基于均值聚类与线性判别的热带气旋等级划分方法，选取多套CMIP6HighResMIP气候数据集，并依据tracking algorithm追踪法则在气候格点数据集中追踪所有TC轨迹，提取每一时间尺度下每个追踪点所携带的气候信息，利用暖核探测方法识别出非TC类别与TC类别，利用Kmeans聚类方法，并依据所有TC类别追踪点所携带的气候信息，划分出7类TC事件；将非TC类别与已划分出的7类TC事件共8个类别作为预测的初始判据，并通过Fisher线性判别法建立热带气旋强度和所述气候信息之间的关系。
-
公开(公告)号：CN113836129B
公开(公告)日：2024-01-26
申请号：CN202111131103.8
申请日：2021-09-26
Applicant: 华北电力大学
IPC: G06F16/215 , G06F16/2458 , G01W1/00
Abstract: 本发明公开了一种基于经验正交分解的日尺度降尺度预测方法，依次包括：获取日尺度观测数据和研究站点所在格点以及周围格点的大尺度环流数据，包括再分析和GCM数据；对GCM数据进行插值，计算皮尔逊相关系数，根据相关性强度选取预测因子场的大小；分别去除观测值、再分析和GCM数据的时间序列的线性趋势，并将它们拼接，使用经验正交分解将预测因子场分解成多个模态EOF以及对应的日尺度时间序列；计算皮尔逊相关性系数，选择相关性高的EOF；对日尺度站点观测数据和选取的EOF中再分析数据的序列进行建模；将模型应用到选取EOF中GCM的序列，获得未来时期日尺度模型预测值；将去除的线性趋势项与模型预测值重构，得到未来日尺度(56)对比文件Jaume Ramon 等.A perfect prognosisdownscaling methodology for seasonalprediction of local-scale wind speeds.《Environmental Research Letters》.2021,1-15.H Pourshamsaei 等.Adaptive properorthogonal decomposition for large scalereliable soil moisture estimation.《Measurement Science and Technology》.2021,1-11.
-
公开(公告)号：CN113792480B
公开(公告)日：2023-10-20
申请号：CN202110986720.X
申请日：2021-08-26
Applicant: 华北电力大学
IPC: G06F30/27 , G06F18/23213 , G06F18/24 , G06F111/10
Abstract: 本发明公开了属于气候预测技术领域的一种极端气候与复合极端气候综合预警系统的预警方法。系统包括数据预处理系统、全球气候模型优选系统、区域气候模型动力降尺度及参数化方案优选系统、统计降尺度系统、集合预测系统、极端气候指标和复合极端气候指标系统、关系建立系统和分类系统。通过全球气候模型优选、RCM区域气候模型动力降尺度及参数化方案优选，结合耦合动力‑统计降尺度方式以及集合预测方式，获取尽可能多的未来气候变化情景；通过计算不同情景下的极端气候指标和复合极端气候指标，基于多元统计方法或相关性分析方法建立这些指标与农业活动之间的关系。本发明为农业应对未来极端和复合极端气候变化提供有利支撑。
-
Patent Agency Ranking
公开(公告)号：CN114004449A
公开(公告)日：2022-02-01
申请号：CN202111127010.8
申请日：2021-09-26
Applicant: 华北电力大学
Abstract: 本发明公开了属于气候预测领域的一种考虑气候变化的热浪识别方法；包括：步骤1通过日最高温度收集热浪发生的日期，再通过公式量化热浪特征；步骤2评估集合在捕捉热浪事件方面的性能，具体通过与观测值的比较来验证CMIP6GCM集合识别的热浪；步骤3分析未来热浪特征的时空变化，包括频率、持续时间、强度、大小和严重程度；步骤4开展趋势分析，识别全球热浪加剧的脆弱区域；步骤5通过计算不同排放情景下全球及各子区域的热浪重现期，分析人为强迫对热浪频率的影响。本发明系统地定量地分析了未来热浪在不同碳排放情景下的变化特征，可有效反映观测误差、模型可靠性和气候变化信号时间相关性的不确定性。
-
公开(公告)号：CN113850505A
公开(公告)日：2021-12-28
申请号：CN202111129344.9
申请日：2021-09-26
Applicant: 华北电力大学
Abstract: 本发明提供了一种耦合长短记忆深度学习的井渠联合调度方法，首先构建实时水文预报模型，通过长短记忆深度学习方法，将历史N天的气象、水文以及不同水源灌水量作为输入，预报未来短期内的径流量，所述不同水源灌水量包括井水和渠水灌水量；接着构建实时水量调度模型，以最大化灌区供水效益为目标，以满足最小径流量为约束，求解短期内不同水源最优灌水量；最后将所述实时水文预报模型与实时水量调度模型相互迭代模拟直至达到平衡，从而得到最优的井水和渠水灌水量。本发明可实现灌区精准灌溉，充分利用渠道的供水能力，以供水时间换取供水空间，将灌区的蓄水工程能力得到充分发挥，最大化减少旱情。
-
公开(公告)号：CN113849978A
公开(公告)日：2021-12-28
申请号：CN202111126165.X
申请日：2021-09-26
Applicant: 华北电力大学
Abstract: 本发明提出了一种基于方差分析的区域气候模型物理参数化方案优选方法，考虑五个区域气候模型参数化方案，针对多种气候指标进行模拟；以气候指标为因变量，五种方案为解释变量、方案的不同选择为解释变量的不同水平，建立效应模型；计算总平方和，单一方案的主效应和两个、三个、四个和全部方案之间的交互效应，以及各方案及其交互作用对区域气候模拟方差的贡献度，得到各方案及其交互作用对气候模拟影响的显著性，得到显著的方案或交互；对影响显著的方案组合进行长期区域气候模拟，并与观测数据比较，以实现区域气候模型物理参数化方案的优选。本发明的方法能够有效解决区域气候模型物理参数化方案优选过程中计算负担重及结果不可靠的问题。
-
公开(公告)号：CN113837620A
公开(公告)日：2021-12-24
申请号：CN202111132485.6
申请日：2021-09-26
Applicant: 华北电力大学
Abstract: 本发明提供了一种用于评估温度极值变化的方法，首先，获取温度极值指标数据、环流场数据、大尺度环流模式指标数据；接着，基于不同时间尺度和不同季节对上述数据进行EOF分解，进而根据最小二乘回归和Mann‑Kendall检验展开温度极值的趋势变化分析；然后，通过Pearson相关分析识别影响温度极值的单个环流场和大尺度环流模式指标的因子；最后，基于因子分析方法识别对温度极值有显著贡献的因子，并量化这些关键因子之间的互动效应对温度极值带来的影响。
-
公开(公告)号：CN113705657A
公开(公告)日：2021-11-26
申请号：CN202110974266.6
申请日：2021-08-24
Applicant: 华北电力大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于差分法消除多重共线性的逐步聚类统计降尺度方法，首先，通构建预报因子和预测量数据模型；接着利用差分法消除多重共线性；然后进行模型训练阶段，通过逐步聚类统计降尺度，合并或分割产生聚类树；再然后，在模型验证阶段，将预报因子输入到聚类树模型进行验证；最后在模型预测阶段，将预报因子的未来数据输入到聚类树模型中，对气候要素进行长期预测。本发明解决了气候统计降尺度模型中出现得多重共线性问题，所构建的聚类树模型更能反映真实的预测因子与预报量之间的关系，为计算未来气候要素提供了更可靠的统计方法。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.029 seconds)
