公开(公告)号：CN114169590B

公开(公告)日：2024-05-28

申请号：CN202111388527.2

申请日：2021-11-22

Applicant: 华中科技大学 ,  中国长江电力股份有限公司

Inventor： 蒋志强 ,  王随玲 ,  刘懿 ,  袁晓辉 ,  陈璐 ,  覃晖 ,  徐杨

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种基于多情景划分的水库入库径流预报校正方法和系统，属于水文水资源和水文预报领域。本发明针对水库入库流量预报问题，提供了一种基于多情景划分的水库入库径流预报校正方法，不仅可以考虑前期时段的预报误差信息及其对应预报情景信息，增加校正模型的有效信息输入，提高径流预报模型精度，还可以突破传统基于单维度、单属性时间序列径流预报校正方法的局限性。本发明方法的构建不受限于具体的流域和对象，可以根据实际情形(数据、外界环境等)选择不同的情景、不同的误差分布函数类型、不同的预报模型，适应性强，应用门槛低，可广泛推广应用。

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

Inventor： 曾志强 ,  曹辉 ,  张海荣 ,  张玉柱 ,  吴碧琼 ,  韩梓航 ,  孙小山 ,  崔良 ,  袁晓辉 ,  吴小涛

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：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

Inventor： 曾志强 ,  李晖 ,  曹辉 ,  张海荣 ,  崔良 ,  杨旭 ,  高奉先 ,  刘杨合 ,  袁晓辉 ,  夏浩顺

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：CN119005390A

公开(公告)日：2024-11-22

申请号：CN202410975082.5

申请日：2024-07-19

Applicant: 中国长江电力股份有限公司

Inventor： 曾志强 ,  鲍正风 ,  曹辉 ,  张海荣 ,  杨旭 ,  陆涛 ,  向阳 ,  袁晓辉 ,  胡文斌 ,  邹翔熙

IPC: G06Q10/04 ,  G06F18/214 ,  G06F18/24 ,  G06N3/092 ,  G06N3/0442 ,  G06N3/0499 ,  G06F17/18

Abstract: 本发明公开一种基于强化学习的水文径流预测模型自适应选择方法，包括如下步骤：S1、数据准备：收集并整理某水文站的历史径流相关数据，并按时间顺序排列好；在数据分析之前，对数据进行清洗和预处理；S2、特征工程：将原始数据转换为适合机器学习模型使用的特征；S3、样本集构建和数据集划分：根据输入输出大小构建样本集，并将样本集按一定比例划分为训练集和检验集；S4、预测模型训练：使用训练集分别对数据驱动的多个单一预测模型进行训练；S5、强化学习模型训练：利用训练集和DQN算法对上述已经训练好的模型进行自适应选择，并且训练DQN模型；S6、评价指标和性能评估：本发明能在不同工况条件下自适应地选择最优预测模型。

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

Inventor： 曾志强 ,  陆涛 ,  曹辉 ,  张海荣 ,  崔良 ,  吴碧琼 ,  高奉先 ,  刘杨合 ,  袁晓辉 ,  赵坤杰

IPC: G06T17/30 ,  G06T17/20

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

Inventor： 曾志强 ,  曹辉 ,  翟少军 ,  张海荣 ,  杨旭 ,  崔良 ,  袁晓辉 ,  胡文斌 ,  张玉柱 ,  史晓薇 ,  朱韶楠

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。