-
Patent Agency Ranking
公开(公告)号：CN114117953B
公开(公告)日：2024-06-28
申请号：CN202111312143.2
申请日：2021-11-08
Applicant: 武汉大学
IPC: G06F30/28 , G06F119/14
Abstract: 本发明提供基于时变参数的水文模型结构诊断方法、径流预报方法及装置，能够构建出准确反映目标区域流域水文物理过程的模型结构，从而更精准地进行径流模拟和预报。水文模型结构诊断方法包括：步骤1.收集目标流域的水文数据；步骤2.筛选敏感参数；步骤3.水文模型参数率定以确定非敏感参数，数据同化以识别敏感参数时变序列；步骤4.分析敏感参数时变序列的影响因子；步骤5.根据影响因子诊断模型可能存在缺陷的模块，并选择该模块其他的概化结构，形成待测试模型；步骤6.识别待测试模型敏感参数的时变序列；步骤7.当参数的时间变化减弱、模拟效果改善时，则确定相应的待测试模型为结构更优的修正模型；步骤8.确定最终模型。
-
公开(公告)号：CN110334408B
公开(公告)日：2023-02-21
申请号：CN201910510058.3
申请日：2019-06-13
Applicant: 武汉大学
IPC: G06F30/20 , G06Q10/063 , G06Q50/06
Abstract: 本发明公开了一种基于退水分析的流域地下水储量年际演变推求方法，该方法包括以下步骤：步骤1、收集流域日尺度流量观测数据，并对数据预处理；步骤2、从流域退水过程出发，构建流域地下水储量与流量间的函数关系；步骤3、计算年际地下水储量与流量函数关系式中所需的输入数据，包括年最小7天滑动平均流量以及流域蓄泄时间特征参数；步骤4、将年最小7天滑动平均流量以及流域蓄泄时间特征参数，输入到流域地下水储量与流量间的函数关系中，得到推算的流域地下水储量年际演变过程。本发明可广泛应用于流域地下水储量年际演变过程推求，可以有效的提高流域水资源管理能力，为农业灌溉、生态保护、社会经济发展提供重要依据。
-
公开(公告)号：CN110334408A
公开(公告)日：2019-10-15
申请号：CN201910510058.3
申请日：2019-06-13
Applicant: 武汉大学
Abstract: 本发明公开了一种基于退水分析的流域地下水储量年际演变推求方法，该方法包括以下步骤：步骤1、收集流域日尺度流量观测数据，并对数据预处理；步骤2、从流域退水过程出发，构建流域地下水储量与流量间的函数关系；步骤3、计算年际地下水储量与流量函数关系式中所需的输入数据，包括年最小7天滑动平均流量以及流域蓄泄时间特征参数；步骤4、将年最小7天滑动平均流量以及流域蓄泄时间特征参数，输入到流域地下水储量与流量间的函数关系中，得到推算的流域地下水储量年际演变过程。本发明可广泛应用于流域地下水储量年际演变过程推求，可以有效的提高流域水资源管理能力，为农业灌溉、生态保护、社会经济发展提供重要依据。
-
公开(公告)号：CN118690656A
公开(公告)日：2024-09-24
申请号：CN202410858808.7
申请日：2024-06-28
Applicant: 中国长江电力股份有限公司 , 武汉大学
IPC: G06F30/27 , G06F18/27 , G06F18/2411 , G06N3/006 , G06N20/10 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F113/08
Abstract: 本发明提供一种多模型集成径流模拟方法及系统，属于水文数据处理技术领域，包括：利用数据驱动式模型和过程驱动式模型的优势，根据数据驱动式模型和过程驱动式模型的8个单一水文模型的模拟结果，基于单一模型评价指标结果，使用熵权法构建综合指标S，分别从数据驱动式模型和过程驱动式模型预报结果中选取综合指标前两位的模型，将其模拟结果组成新的训练集，选取多元回归模型作为元学习器进行训练，得到多模型集成的径流模拟结果。本发明通过使用熵权法构建综合指标减少集成模型选择的主观性，多模型集成解决模型结构不确定性的难题，综合了数据驱动式模型和过程驱动式模型的优点，为流域径流模拟方法提供重要且可操作性强的参考依据。
-
公开(公告)号：CN114117953A
公开(公告)日：2022-03-01
申请号：CN202111312143.2
申请日：2021-11-08
Applicant: 武汉大学
IPC: G06F30/28 , G06F119/14
Abstract: 本发明提供基于时变参数的水文模型结构诊断方法、径流预报方法及装置，能够构建出准确反映目标区域流域水文物理过程的模型结构，从而更精准地进行径流模拟和预报。水文模型结构诊断方法包括：步骤1.收集目标流域的水文数据；步骤2.筛选敏感参数；步骤3.水文模型参数率定以确定非敏感参数，数据同化以识别敏感参数时变序列；步骤4.分析敏感参数时变序列的影响因子；步骤5.根据影响因子诊断模型可能存在缺陷的模块，并选择该模块其他的概化结构，形成待测试模型；步骤6.识别待测试模型敏感参数的时变序列；步骤7.当参数的时间变化减弱、模拟效果改善时，则确定相应的待测试模型为结构更优的修正模型；步骤8.确定最终模型。
-
-
-
-
Search Results
5
records
(took 0.012 seconds)
