-
公开(公告)号:CN117649327A
公开(公告)日:2024-03-05
申请号:CN202311562566.9
申请日:2023-11-22
Applicant: 中国水利水电科学研究院
IPC: G06Q50/26 , G06F18/214 , G06F18/30 , G06N3/0442
Abstract: 本发明公开了一种基于深度学习的无遥感监测期流域叶面积指数的重建方法,所述重建方法包括:获得空间分辨率一致的流域的气象因子及LAI的月尺度数据;对同一空间分辨率下的流域的DEM进行分区,在分区内随机设置采样点;通过采样点的同一空间分辨率下的气象因子及LAI的月尺度数据和DEM静态数据构建深度学习模型,对无遥感监测时段的LAI进行预测;通过修正的S‑G滤波算法对预测得到的LAI数据或含预测数据的长序列LAI数据进行滤波处理,得到流域长序列LAI逐日数据。本发明通过深度学习模型实现了对无遥感监测时段LAI的数据重建,有助于实现相关地表参数的计算,提升流域水循环与能量循环的分析能力。
-
公开(公告)号:CN116383395A
公开(公告)日:2023-07-04
申请号:CN202211691184.1
申请日:2022-12-27
Applicant: 中国水利水电科学研究院
Abstract: 本发明公开了一种水文模型领域知识图谱的构建方法,包括以下步骤:步骤1、确定水文模型领域知识图谱本体及概念关系,构建水文模型知识本体;步骤2、从CNKI下载水文模型领域中文期刊论文并转换为文本数据,基于构建的水文模型本体进行数据标注,构建水文模型数据集;步骤3、基于Bert模型构建水文模型领域命名实体识别模型,并对构建的数据集进行实体抽取和关系匹配,完成水文模型知识抽取;本发明面向水文科研人员的研究需要,帮助其快速了解水文模型知识、梳理水文模型发展脉络、查询水文模拟案例。
-