-
公开(公告)号：CN114936955B
公开(公告)日：2025-01-03
申请号：CN202210355695.X
申请日：2022-04-06
Applicant: 武汉大学
Abstract: 本发明提供了一种基于地理加权岭回归的多源降雨数据融合方法及设备。所述方法包括：步骤S1至步骤S7：采用连续性指标和分类指标，对原始卫星降雨产品与融合降雨产品进行精度评价。本发明可以适用于具有雨量站实测降雨和卫星遥感降雨产品的地区,为水利行业从事水文预报、流域水资源利用与管理决策提供支撑，具有很强的实用性和广泛的适用性。
-
公开(公告)号：CN114970082B
公开(公告)日：2023-03-31
申请号：CN202210329420.9
申请日：2022-03-30
Applicant: 武汉大学
IPC: G06F30/20 , G06F111/08 , G06F113/08
Abstract: 本发明提供一种非一致性设计洪水估计方法，包括：收集整理流域水文控制站的径流资料，以及整个流域日降雨资料、流域内已运行及将运行的大中型水库的控制面积与总库容；构建变化环境下受降雨和水库影响的非一致性设计洪水估计的框架；预测未来降雨和水库因子，通过降雨因子和水库因子的不同组合设置多种不同的未来降雨和水库情景，结合步骤2构建的非一致性设计洪水估计的框架，计算每种情景对应的非一致性设计洪水值；通过对每种情景下非一致性设计洪水值与一致性条件下设计洪水值的比较，分析降雨和水库对下游设计洪水的影响。本发明综合考虑了降雨和水库对下游设计洪水的影响，使得估计结果更为准确，是一种高效实用的方法。
-
公开(公告)号：CN115115148B
公开(公告)日：2022-12-30
申请号：CN202211047557.1
申请日：2022-08-30
Applicant: 武汉大学
Abstract: 本发明提供基于过程‑数据协同驱动的长期径流预报方法及系统，长期径流预报方法包括：步骤1，采集数据；步骤2，构建VIC模型；步骤3，进行插值、偏差校正、离散获得日数据；步骤4，采用气候模式预报数据驱动VIC模型；步骤5，以率定期时段内出口水文站点的实测月径流值作为因变量，以流域内所有网格在不同预见期的产流输出聚合成月数据后作为自变量，选取产流输出为日尺度的第三层土壤含水量，筛选出产流输出对应的网格作为典型网格，构成改进的VIC模型；步骤6，驱动改进的VIC模型，计算全时段网格产流；步骤7，形成待选预报因子集；步骤8，筛选所得的预报因子训练深度学习模型，得到复合模型，进行长期径流预报。
-
公开(公告)号：CN114462304A
公开(公告)日：2022-05-10
申请号：CN202210042006.X
申请日：2022-01-14
Applicant: 武汉大学
Abstract: 本发明提供一种面向水库汛期泄流量智能计算的少样本超级学习方法，包括如下步骤：收集水库汛期运行资料，建立洪水样本库，选择基本模型，使用洪水样本训练基本模型的参数，建立基本模型库；进行K折交叉验证基本模型，并选择元模型，使用每个洪水样本的每个基本模型的验证结果训练元模型；对于待模拟的洪水特征，首先根据步骤一基本模型库中的基本模型模拟得到初步模拟结果，然后使用步骤二的元模型集成初步模拟结果，从而得到超级学习模型的模拟出库流量。本发明以基于少样本的模型训练验证方案建模就能兼顾调度规则和模拟精度，并且解决了以场次洪水建模的困难，提高了出库流量计算精度。
-
公开(公告)号：CN114330102A
公开(公告)日：2022-04-12
申请号：CN202111482324.X
申请日：2021-12-07
Applicant: 武汉大学 , 长江水利委员会水文局
Abstract: 本发明提供基于降雨相似与模型参数智能适配的快速洪水预报方法及装置，快速洪水预报方法包括：步骤1.建立雨洪转化模型，识别雨洪特征；步骤2.计算致洪因子相似度：从致洪暴雨的量级、雨型以及前期影响雨量各分量大小出发，基于相似性理论，计算相似度指标向量，量化各致洪因子间的相似度；步骤3.转移参数，构建雨洪样本间适配度映射：雨洪样本间相互移用自身的参数，创建参数转移后模型精度矩阵，建立相似度指标向量与精度矩阵间的映射，确定相似度指标间的重要程度；步骤4.智能适配参数：基于相似度计算、聚类分析和协同过滤理论，参考模型使用各套参数预报历史相似洪水的精度，为模型适配预估精度最高的参数，进行洪水预报。
-
Patent Agency Ranking
公开(公告)号：CN118939747B
公开(公告)日：2025-03-18
申请号：CN202411048458.4
申请日：2024-08-01
Applicant: 武汉大学
IPC: G06F16/29 , G06N3/08 , G06F18/2131 , G01W1/00
Abstract: 本发明公开一种基于转换器深度学习的流域洪水多步长预报方法及装置，方法包括：考虑流域产汇流时长，构建基于自适应途径的转换器深度学习模型，智能匹配多步长洪水预报架构，采用双重自注意力机制捕捉洪水与降雨的局部与全局相依性；考虑目标函数正则化，采用亚当优化算法率定转换器深度学习模型参数；应用可解释性方法，解析输入因子对多步长洪水预报精度的贡献度，提升深度学习模型的物理可解释性。本发明构建基于自适应途径的转换器深度学习模型，确定不同洪水预见期下降雨、洪水有效输入因子；考虑双重自注意力机制和基于亚当优化算法的模型参数率定，进而不仅提高了流域洪水多步长预报的精度，而且延长了洪水预见期。
-
公开(公告)号：CN114970143B
公开(公告)日：2024-07-12
申请号：CN202210571360.1
申请日：2022-05-24
Applicant: 武汉大学
IPC: G06F30/20 , G06F30/27 , G06F17/11 , G06F17/13 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种水库消落带温室气体净通量的评估方法，包括：采用三维地下水流运动模型模拟水库水位季节性变化下消落带土壤湿度及地下水位动态变化过程；采用考虑环境因子的经验模型模拟消落带植被生态系统碳循环过程；采用水、热运动方程估算水库季节性调蓄影响下土壤温度变化；基于步骤1、步骤2以及步骤3中得到的数据，建立水库季节性调蓄影响下消落带土壤质地、土壤温度和土壤氧化还原电位与土壤厌氧状态的关系函数。本发明考虑了水库水体与消落带之间的水量交换，构建综合考虑水库季节性调蓄和碳循环过程之间相互作用的水库消落带温室气体净通量评估模型，使模型比现有模型更适合于探究水库季节性调蓄同消落带温室气体的迁移和转化关系。
-
公开(公告)号：CN114970143A
公开(公告)日：2022-08-30
申请号：CN202210571360.1
申请日：2022-05-24
Applicant: 武汉大学
IPC: G06F30/20 , G06F30/27 , G06F17/11 , G06F17/13 , G06F113/08 , G06F119/14
Abstract: 本发明提供一种水库消落带温室气体净通量的评估方法，包括：采用三维地下水流运动模型模拟水库水位季节性变化下消落带土壤湿度及地下水位动态变化过程；采用考虑环境因子的经验模型模拟消落带植被生态系统碳循环过程；采用水、热运动方程估算水库季节性调蓄影响下土壤温度变化；基于步骤1、步骤2以及步骤3中得到的数据，建立水库季节性调蓄影响下消落带土壤质地、土壤温度和土壤氧化还原电位与土壤厌氧状态的关系函数。本发明考虑了水库水体与消落带之间的水量交换，构建综合考虑水库季节性调蓄和碳循环过程之间相互作用的水库消落带温室气体净通量评估模型，使模型比现有模型更适合于探究水库季节性调蓄同消落带温室气体的迁移和转化关系。
-
公开(公告)号：CN114969655A
公开(公告)日：2022-08-30
申请号：CN202210329707.1
申请日：2022-03-30
Applicant: 武汉大学
Abstract: 本发明提供一种流域输沙量的模拟估算方法，包括：收集整理流域出口站的泥沙资料以及整个流域日降雨资料、流域内已建大中型水库的控制面积与总库容；识别对流域输沙量起关键作用的有效雨量A和有效雨强I，计算流域水库拦沙效率TE，建立有效雨量A和有效雨强I的联合分布Fn并将其与TE耦合，构建耦合降雨的水库拦沙指数RSTI；建立用于模拟输沙量的多个线性回归、非线性回归模型；对多个线性、非线性回归模型进行参数估计，比较不同模型的模拟效果并从中选取模拟效果最优且残差最小的模型作为输沙量模拟估算模型。本发明能够准确描述降雨和水库对输沙量的耦合作用，解决了现有技术中只单独考虑降雨和水库对输沙量影响而导致精度较差的问题。
-
公开(公告)号：CN114722606A
公开(公告)日：2022-07-08
申请号：CN202210368731.6
申请日：2022-04-08
Applicant: 武汉大学
IPC: G06F30/20 , G06F17/18 , G06F111/10
Abstract: 本发明提供了一种基于遥感土壤湿度数据的水文模型参数估计方法及设备。所述方法包括：步骤S1至步骤S6。本发明对于参考流域，需要具有较长时间序列的实测水文资料；对于目标流域，需要在地形地貌、植被、土地利用和水文气候特征等方面与参考流域具有一定相似性，为水利行业从事无资料流域的水文预报、流域水资源利用与管理决策提供支撑，具有很强的实用性和广泛的适用性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
