基于Copula函数计算植被生长对复合干热事件响应的方法

    公开(公告)号:CN118211022B

    公开(公告)日:2024-10-29

    申请号:CN202410619977.5

    申请日:2024-05-20

    Abstract: 本发明涉及基于Copula函数计算植被生长对复合干热事件响应的方法,包括如下步骤:网格化研究区植被生长季期间的数据,确定植被生长季期间逐月标准化降水指数、标准化温度指数和植被生长速度的边缘分布函数;构建藤Copula函数模型,推求复合干热事件作用下植被生长速度的条件概率分布;计算植被即时和滞时生长速度损失率,确定植被对复合干热事件响应的敏感期和响应滞后时间。本发明的有益效果:从植被响应复合干热事件的灾害结果出发,构建藤Copula函数模型得到植被生长速度损失率,确定植被对复合干热事件的响应敏感性和滞后效应,为复合干热事件的防灾减灾工作提供科学依据。

    基于Copula函数计算植被生长对复合干热事件响应的方法

    公开(公告)号:CN118211022A

    公开(公告)日:2024-06-18

    申请号:CN202410619977.5

    申请日:2024-05-20

    Abstract: 本发明涉及基于Copula函数计算植被生长对复合干热事件响应的方法,包括如下步骤:网格化研究区植被生长季期间的数据,确定植被生长季期间逐月标准化降水指数、标准化温度指数和植被生长速度的边缘分布函数;构建藤Copula函数模型,推求复合干热事件作用下植被生长速度的条件概率分布;计算植被即时和滞时生长速度损失率,确定植被对复合干热事件响应的敏感期和响应滞后时间。本发明的有益效果:从植被响应复合干热事件的灾害结果出发,构建藤Copula函数模型得到植被生长速度损失率,确定植被对复合干热事件的响应敏感性和滞后效应,为复合干热事件的防灾减灾工作提供科学依据。

    一种基于条件概率的水文干旱恢复预估方法

    公开(公告)号:CN116911069B

    公开(公告)日:2023-12-08

    申请号:CN202311143684.6

    申请日:2023-09-06

    Abstract: 本发明公开了一种基于条件概率的水文干旱恢复预估方法,包括如下步骤:收集统计流域预研究期的水文数据,构建水文干旱异常指数,识别水文干旱事件;确定水文干旱事件恢复时刻,划定水文干旱事件的发展期和恢复期;提取水文干旱事件的发展期时间、缺水量、恢复期时间和恢复水量;选取边缘分布函数计算水文干旱恢复到正常状态时的恢复期时间和恢复水量。本发明的有益效果:通过确定干旱恢复时刻,划分干旱过程,提出水文干旱恢复预估方案,定量给出水文干旱事件恢复所需的时间和水量,提出的以时间和水量作为水文干旱恢复的阈值指标,方便监测并预警预报,具有更强的实用性和可操作(56)对比文件Jae Young Seo.ProbabilisticEvaluation of Drought Propagation UsingSatellite Data and Deep Learning Model:From Precipitation to Soil Moisture andGroundwater. IEEE Journal of SelectedTopics in Applied Earth Observations andRemote Sensing .2023,全文.

    一种基于缺水阈值的水文干旱分级预警方法

    公开(公告)号:CN116611542B

    公开(公告)日:2024-12-03

    申请号:CN202310311461.X

    申请日:2023-03-28

    Abstract: 本发明公布了一种基于缺水阈值的水文干旱分级预警方法,包括以下步骤:计算标准化降水蒸散发指数(SPEI)和标准化径流指数(SRI),确定气象干旱向水文干旱的传播时间;识别气象干旱和水文干旱事件,并匹配水文和气象干旱事件;计算降水短缺序列,提取水文干旱历时、烈度;选取适当的边缘分布函数分别拟合降水短缺序列和水文干旱历时、烈度,并估计其参数;采用Copula函数分别构建降水短缺序列和水文干旱历时、烈度的二维联合概率分布函数,并估计函数参数;利用条件概率分布表达式计算得到水文干旱历时和烈度的缺水阈值。本发明提出了一种水文干旱预警方法,以实现更精确和易监测的水文干旱预警,可为主动抗旱提前预警提供重要的科学依据。

    一种融合Copula函数和深度学习的湖泊水位共形预测方法

    公开(公告)号:CN118095659A

    公开(公告)日:2024-05-28

    申请号:CN202410494656.7

    申请日:2024-04-24

    Inventor: 李港 韩会明

    Abstract: 本发明涉及一种融合Copula函数和深度学习的湖泊水位共形预测方法,其步骤为:收集湖泊水位数据以及上游入湖河流流量数据,并进行数据预处理;通过相关性分析确定进行水位预测时的输入特征数据;将输入数据划分为训练集、验证集和测试集,采用训练集进行LSTM模型训练,将验证集进一步分为两个阶段进行预测结果累积分布函数和Copula函数校正,在保持预测结果有效性的情况下显著缩小置信区域,采用梯度下降算法优化参数捕捉未来时间步的联合分布;最后基于校准好的LSTM模型进行测试期湖泊水位预测,并对预测结果进行精度评价。本发明通过在验证集上对预测结果进行多次有效性检验,为预测结果提供更精确有效的置信区间,保证预测精度的同时降低预测不确定性。

Patent Agency Ranking