-
公开(公告)号：CN120012981A
公开(公告)日：2025-05-16
申请号：CN202510043853.1
申请日：2025-01-10
Applicant: 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06F18/22 , G06N5/045 , G06F123/02
Abstract: 本发明公开一种基于数据机理融合模型的渠池上游水位预测方法，它包括以下步骤：步骤1：利用历史数据集构建相似预测历史序列组集；步骤2：构建积分时滞模型预测未来时段内的渠池下游水位；步骤3：将积分时滞预测模型得到渠池下游水位序列结果作为相似分析模型的相关性下游水位序列，通过曼哈顿距离构建相似预测模型，预测历史最相似的渠池下游水位，确定历史同期场景，并预测历史同场景下的渠池上游水位；本发明克服了相似预测模型相关序列偏差的不确定性，显著提高了渠池上游水位的预测精度。
-
公开(公告)号：CN119990435A
公开(公告)日：2025-05-13
申请号：CN202510080027.4
申请日：2025-01-19
Applicant: 中国长江电力股份有限公司
IPC: G06Q10/04 , G06F16/29 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/006
Abstract: 本发明公开一种月径流序列区间预测方法，包括如下步骤：S1：月径流数据准备：采集月径流数据，对数据进行预处理后，将数据划分为训练数据和测试数据；S2：建立CNN‑BiLSTM点预测模型：包括：输入层、CNN层、BiLSTM层和输出层，将训练数据输入CNN‑BiLSTM点预测模型，得到月径流点预测结果；S3：建立CPO‑CNN‑BiLSTM点预测模型；S4：建立CPO‑CNN‑BiLSTM‑NKDE区间预测模型；本发明针对CNN‑BiLSTM点预测模型中超参数选择困难的问题，提出利用CPO优化CNN‑BiLSTM模型中的隐藏层节点数、初始学习率、正则化系数，从而建立最优的CPO‑CNN‑BiLSTM点预测模型，大大提高了月径流预测的收敛速率和精确度。
-
公开(公告)号：CN119091088A
公开(公告)日：2024-12-06
申请号：CN202411014086.3
申请日：2024-07-26
Applicant: 中国长江电力股份有限公司 , 武汉纵河科技有限公司
Abstract: 本发明属于数学和计算机图像处理领域，具体提供一种三维点云数据多项式拟合方法、系统、装置及存储介质，其中多项式拟合方法先确定待拟合的三维点云数据范围，再使用最小二乘法求得每个拟合网格的多项式；衔接网格多项式包括x轴方向衔接网格多项式、y轴方向衔接网格多项式和周向衔接网格多项式，实现对每一个拟合网格x轴方向、y轴方向和周向的衔接。由于本发明同时考虑了最小二乘法多项式求解精度和分块拟合精度，并且解决了分块拟合的连续性问题，因此本发明能够根据三维点云数据建立高精度的三维曲面多项式，指导相关生产研究。
-
公开(公告)号：CN118551877A
公开(公告)日：2024-08-27
申请号：CN202410499948.X
申请日：2024-04-24
Applicant: 中国长江电力股份有限公司
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464 , G06N3/08 , G06F17/16 , G06F17/10 , G06F18/214
Abstract: 本发明公开了一种基于时空图卷积网络的流域多站点径流预测方法，通过增加虚拟节点来考虑水库调蓄的影响，通过季节趋势分解降低径流序列的复杂性，同时根据流域水系拓扑关系和各站点的径流时间序列数据以及分解后的径流序列特征形成流域径流预测的时空图数据集，然后训练时空图卷积网络STGCN，实现对流域各站点的多步日径流预测；与传统神经网络方法相比，本发明具有优秀的可解释性，具有模型表达能力强及预测精度高的优点，解决了现有技术的物理机制水文模型的预测精度往往不高，传统数据驱动模型的不可解释性以及缺乏对径流时空特征的充分挖掘的问题。
-
-
-
Search Results
4
records
(took 0.032 seconds)
