-
公开(公告)号：CN115860268A
公开(公告)日：2023-03-28
申请号：CN202310134699.X
申请日：2023-02-20
Applicant: 南京信息工程大学 , 南京宸象空间信息技术有限公司
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法，属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据，不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测，但多使用机器学习方法和CNN等深度学习方法，机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征；而CNN等深度学习方法可以很好的提取特征，但无法很好的运行特征进行预测。因此，提出一种基于CNN‑XGBOOST模型的短时强降水预测方法，本方法可以在不需求雷达回波数据的情况下进行短时强降水预测，同时可以提取特征变量的时间变化特征，并充分利用提取出的特征进行预测。
-
公开(公告)号：CN116109143A
公开(公告)日：2023-05-12
申请号：CN202310362358.8
申请日：2023-04-07
Applicant: 南京信息工程大学 , 南京宸象空间信息技术有限公司
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开了一种面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质，包括以下步骤：获取研究地区的数字高程模型DEM数据；以DEM数据栅格单元作为计算单元，利用栅格值间的差异计算水流数据，其中，水流数据包括水流下降方向和水流汇总指数。本发明以数字高程模型DEM作为输入数据，以栅格数值作为计算对象，确定水流数据，以反映暴雨洪涝灾害过程中水流传播方向，并通过水流数据反演计算汇水区，在宏观角度，以汇水区作为研究对象计算得到汇水区面积与汇水区坡度总和指数；在微观角度，以栅格水流下降方向作为计算因子，结合宏观与微观影响因素计算得到面向暴雨洪涝灾害的地形起伏影响指数。
-
公开(公告)号：CN116109143B
公开(公告)日：2023-07-21
申请号：CN202310362358.8
申请日：2023-04-07
Applicant: 南京信息工程大学 , 南京宸象空间信息技术有限公司
IPC: G06Q10/0635 , G06Q10/0639 , G06Q50/26
Abstract: 本发明公开了一种面向暴雨洪涝灾害风险分析的地形起伏影响指数确定方法、系统、装置及存储介质，包括以下步骤：获取研究地区的数字高程模型DEM数据；以DEM数据栅格单元作为计算单元，利用栅格值间的差异计算水流数据，其中，水流数据包括水流下降方向和水流汇总指数。本发明以数字高程模型DEM作为输入数据，以栅格数值作为计算对象，确定水流数据，以反映暴雨洪涝灾害过程中水流传播方向，并通过水流数据反演计算汇水区，在宏观角度，以汇水区作为研究对象计算得到汇水区面积与汇水区坡度总和指数；在微观角度，以栅格水流下降方向作为计算因子，结合宏观与微观影响因素计算得到面向暴雨洪涝灾害的地形起伏影响指数。
-
公开(公告)号：CN115860268B
公开(公告)日：2023-07-14
申请号：CN202310134699.X
申请日：2023-02-20
Applicant: 南京信息工程大学 , 南京宸象空间信息技术有限公司
IPC: G06Q10/04 , G06Q50/26 , G06F18/214 , G06F18/2431 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于CNN‑XGBOOST模型的短时强降水预测方法，属于城市内涝监测预警领域。现有短时强降水预测模型多依赖雷达数据，不适用于雷达数据缺失或失真的情况。此外还可以依赖大气环境物理量进行预测，但多使用机器学习方法和CNN等深度学习方法，机器学习方法无法很好的应对特征变量很多的情况及提取特征变量的时间变化特征；而CNN等深度学习方法可以很好的提取特征，但无法很好的运行特征进行预测。因此，提出一种基于CNN‑XGBOOST模型的短时强降水预测方法，本方法可以在不需求雷达回波数据的情况下进行短时强降水预测，同时可以提取特征变量的时间变化特征，并充分利用提取出的特征进行预测。
-
-
-
Search Results
4
records
(took 0.055 seconds)
