-
公开(公告)号：CN113836720A
公开(公告)日：2021-12-24
申请号：CN202111121227.8
申请日：2021-09-24
Applicant: 华北电力大学
IPC: G06F30/20 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F111/04
Abstract: 本发明公开了属于可持续型电力能源系统规划技术领域的考虑多重不确定性及气候变化的双目标能源系统规划方法。包括步骤1：耦合区间规划、分式规划、两阶段规划和机会约束规划方法，构建气候变化条件下考虑多重不确定性的双目标能源系统规划模型；步骤2：将步骤1中构建的双目标能源系统规划模型拆分为不包含区间参数和区间变量的第一子模型和第二子模型；步骤3：将步骤2中的第一子模型和第二子模型转化为传统线性规划模型并求取最优解。本发明客观量化地反映了系统收益与CO2排放量之间的竞争性关系，可以应对不确定性的数据来源，能够用以分析不同的能源经济与环境政策所带来的系统惩罚，可以定量研究系统收益与违约风险之间的关系。
-
公开(公告)号：CN113792480A
公开(公告)日：2021-12-14
申请号：CN202110986720.X
申请日：2021-08-26
Applicant: 华北电力大学
IPC: G06F30/27 , G06K9/62 , 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。
-
公开(公告)号：CN113610302A
公开(公告)日：2021-11-05
申请号：CN202110908454.9
申请日：2021-08-09
Applicant: 华北电力大学
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：CN113836720B
公开(公告)日：2024-04-05
申请号：CN202111121227.8
申请日：2021-09-24
Applicant: 华北电力大学
IPC: G06Q10/0637 , G06Q10/04 , G06Q10/0631 , G06Q50/06
Abstract: 本发明公开了属于可持续型电力能源系统规划技术领域的考虑多重不确定性及气候变化的双目标能源系统规划方法。包括步骤1：耦合区间规划、分式规划、两阶段规划和机会约束规划方法，构建气候变化条件下考虑多重不确定性的双目标能源系统规划模型；步骤2：将步骤1中构建的双目标能源系统规划模型拆分为不包含区间参数和区间变量的第一子模型和第二子模型；步骤3：将步骤2中的第一子模型和第二子模型转化为传统线性规划模型并求取最优解。本发明客观量化地反映了系统收益与CO2排放量之间的竞争性关系，可以应对不确定性的数据来源，能够用以分析不同的能源经济与环境政策所带来的系统惩罚，可以定量研究系统收益与违约风险之间的关系。
-
公开(公告)号：CN113837620B
公开(公告)日：2024-02-02
申请号：CN202111132485.6
申请日：2021-09-26
Applicant: 华北电力大学
IPC: G06Q10/0639 , G06Q10/04 , G01W1/10
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。
-
Patent Agency Ranking
公开(公告)号：CN113704693B
公开(公告)日：2024-02-02
申请号：CN202110952850.1
申请日：2021-08-19
Applicant: 华北电力大学
Abstract: 本发明提出了一种高精度的有效波高数据估计方法，获取目标区域内各个近岸陆地站点及海洋浮标的有效波高数据及地理和大气参数数据，筛选相关度较高的参数，将不同历史时期的样本数据分为训练数据和验证数据，基于逐步聚类法得到有效波高数据及地理和大气参数数据多元回归关系，基于验证数据利用分位数映射法得到有效波高数据的模拟值和观测值之间的累计概率分布函数及传递函数。利用全球气候模型中未来情境下的地理及大气参数数据作为多元回归统计关系的输入量，预测未来有效波高数据，并利用传递函数对其进行修正。本方法建立了有效波高和气候因子之间的关系，能够进行气候变化条件下的海洋指标影响分析，提高了有效波高数据预测的精度。
-
公开(公告)号：CN113673777B
公开(公告)日：2024-02-02
申请号：CN202110992626.5
申请日：2021-08-27
Applicant: 华北电力大学
IPC: G06Q10/04 , G06Q50/26 , G06F18/2415
Abstract: 本发明公开了属于沙漠治理技术领域的一种气候变化条件下的沙漠演替预测方法。获取历史归一化植被指数(NDVI)月尺度格点数据，通过自组织映射方法，得出特定区域的三类土地类型，即沙漠、绿洲、及沙漠‑绿洲过渡带；提取对应类型所处区域范围内的历史降雨数据；构建多模型贝叶斯判别集合框架，并将提取的历史降雨数据用于该框架的验证；利用训练好的多模型贝叶斯判别集合框架，对未来气候变化条件下的沙漠、绿洲、沙漠‑绿洲过渡带之间的演替进行预测。本发明利用多模型贝叶斯判别集合框架可有效处理全球气候模型降雨预测数据中存在的大量不确定性，并从统计角度较为客观地预测选定区域在气候变化条件下的沙漠演替。为沙漠治理提供技术支持。
-
公开(公告)号：CN113869710A
公开(公告)日：2021-12-31
申请号：CN202111127002.3
申请日：2021-09-26
Applicant: 华北电力大学
Abstract: 本发明公开了属于水文水资源技术领域的一种基于大规模气候异常的极端降水趋势分析方法。包括步骤1：收集气象水文观测数据和大尺度气候异常指标数据，再整理成完整的气象水文信息资料；步骤2：对年最大径流序列方差进行测试，识别年最大径流序列数据中的变异点，确定变异点位置；步骤3：确定年最大径流时间序列是否具有统计上的显著趋势；步骤4：对最大径流序列的统计参数进行线性以及非线性趋势变化分析；步骤5：利用赫斯特指数H估计径流时间序列的长期平稳性特征。本发明对流域历史极端降水的变化进行了全面调查，并对基于流域年最大径流序列的所有统计参数进行线性以及非线性趋势变化分析，解决了水文资料短缺地区资料移用的问题。
-
公开(公告)号：CN113704693A
公开(公告)日：2021-11-26
申请号：CN202110952850.1
申请日：2021-08-19
Applicant: 华北电力大学
Abstract: 本发明提出了一种高精度的有效波高数据估计方法，获取目标区域内各个近岸陆地站点及海洋浮标的有效波高数据及地理和大气参数数据，筛选相关度较高的参数，将不同历史时期的样本数据分为训练数据和验证数据，基于逐步聚类法得到有效波高数据及地理和大气参数数据多元回归关系，基于验证数据利用分位数映射法得到有效波高数据的模拟值和观测值之间的累计概率分布函数及传递函数。利用全球气候模型中未来情境下的地理及大气参数数据作为多元回归统计关系的输入量，预测未来有效波高数据，并利用传递函数对其进行修正。本方法建立了有效波高和气候因子之间的关系，能够进行气候变化条件下的海洋指标影响分析，提高了有效波高数据预测的精度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.017 seconds)
