-
公开(公告)号：CN118913993B
公开(公告)日：2025-02-25
申请号：CN202411247751.3
申请日：2024-09-06
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌大学
Abstract: 本发明提供一种干湿循环下土体持水性、胀缩性和裂缝性综合试验方法。该试验方法包括：在最优含水量下对土体进行击实，获取两个环刀试样；将环刀试样放入真空饱和缸中进行饱和，之后分别采用自然风干脱湿和双向水膜迁移加湿进行干湿循环，在环刀试样脱湿过程中，获取第一数据组和第一裂缝数据组；在环刀试样加湿过程中，获取第二数据组和第二裂缝组数据；同样两个环刀试样，分别重复脱湿和加湿步骤，至少完成N次干湿循环；基于N次干湿循环获取的实验结果，获取干湿循环作用下土体持水性、胀缩性和裂缝性。利用本发明提供的试验方法，可同时获取干湿循环作用下土体持水性、胀缩性和裂缝性，且基于相同环刀试样，能避免不同制样带来的误差。
-
公开(公告)号：CN118913993A
公开(公告)日：2024-11-08
申请号：CN202411247751.3
申请日：2024-09-06
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) , 南昌大学
Abstract: 本发明提供一种干湿循环下土体持水性、胀缩性和裂缝性综合试验方法。该试验方法包括：在最优含水量下对土体进行击实，获取两个环刀试样；将环刀试样放入真空饱和缸中进行饱和，之后分别采用自然风干脱湿和双向水膜迁移加湿进行干湿循环，在环刀试样脱湿过程中，获取第一数据组和第一裂缝数据组；在环刀试样加湿过程中，获取第二数据组和第二裂缝组数据；同样两个环刀试样，分别重复脱湿和加湿步骤，至少完成N次干湿循环；基于N次干湿循环获取的实验结果，获取干湿循环作用下土体持水性、胀缩性和裂缝性。利用本发明提供的试验方法，可同时获取干湿循环作用下土体持水性、胀缩性和裂缝性，且基于相同环刀试样，能避免不同制样带来的误差。
-
-
公开(公告)号：CN116415755A
公开(公告)日：2023-07-11
申请号：CN202310601732.5
申请日：2023-05-26
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06Q10/063 , G06F17/18
Abstract: 本发明公开了一种基于条件概率分布的径流变异程度评估方法，包括以下步骤：S1.收集统计流域预研究期内气象数据、土壤含水量数据和径流量资料，确定径流量时间序列的基准期和变化期；S2.选择合适的边缘分布函数拟合基准期与变化期影响因子、径流量序列，选取copula函数分别构建基准期与变化期期间影响因子和径流量边缘分布函数的二维联合分布；S3.分别计算基准期和变化期影响因子条件下径流概率变化量，评估径流变异程度；S4.依据S3计算的径流变异程度，确定变化期影响径流变异的主要路径。本发明能够有效的评估变换环境下径流事件的概率变化特征。
-
公开(公告)号：CN115953085B
公开(公告)日：2023-05-16
申请号：CN202310245811.7
申请日：2023-03-15
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06Q10/0639 , G06Q50/26 , G06F17/10
Abstract: 本发明公开了一种评估复合干热事件对植被生长影响的方法，包括以下步骤：S1.计算研究区标准化降水指数SPI和标准化温度指数STI指数，确定复合干热事件；S2.网格化研究区干旱、高温事件和植被生长变化的空间分布数据，得到空间关联数据，并提取栅格数据；S3.计算复合干热事件条件下植被生长变化速度；S4利用地理探测器中交互因子模块，计算复合干热事件对植被的影响。与现有技术相比可以更好的描述历史中真实发生的复合干热事件对植被生长的实际影响，也能有效的解释植被对复合干热事件响应的空间异质性。
-
Patent Agency Ranking
公开(公告)号：CN116911069A
公开(公告)日：2023-10-20
申请号：CN202311143684.6
申请日：2023-09-06
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06F30/20 , G06F17/18 , G06F111/08
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性，为实际应用提供便利。
-
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
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06F30/20 , G06F17/18 , G06F111/08
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.
-
公开(公告)号：CN116823610A
公开(公告)日：2023-09-29
申请号：CN202310772088.8
申请日：2023-06-28
Applicant: 河海大学 , 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06T3/40 , G06N3/0464 , G06N3/048 , G06N3/0475 , G06N3/045 , G06N3/08 , G06V10/80 , G06V10/52 , G06V10/82
Abstract: 本发明公开一种基于深度学习的水下图像超分辨率生成方法和系统，构建深度学习模型，包括多尺度特征提取、长距离及短距离依赖关系学习、多尺度上采样；训练模型以获得最优的权值和偏置，得到能够实现水下低分辨率图像到高分辨率图像生成的深度学习模型；利用训练好的深度学习模型进行水下图像超分辨率实验。本发明使用了更加轻量化的网络结构，不仅能够加快模型的训练速度，还可以大幅度减少训练参数，并能够尽可能地学习输入图像细节信息，同时引入长距离及短距离依赖关系学习让模型对全局及局部特征都有良好地建模能力；多尺度上采样网络，在不增加网络规模的前提下很好地挖掘多尺度的特征信息，从而提高了生成图像地视觉感知效果。
-
公开(公告)号：CN115953085A
公开(公告)日：2023-04-11
申请号：CN202310245811.7
申请日：2023-03-15
Applicant: 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心)
IPC: G06Q10/0639 , G06Q50/26 , G06F17/10
Abstract: 本发明公开了一种评估复合干热事件对植被生长影响的方法，包括以下步骤：S1.计算研究区标准化降水指数SPI和标准化温度指数STI指数，确定复合干热事件；S2.网格化研究区干旱、高温事件和植被生长变化的空间分布数据，得到空间关联数据，并提取栅格数据；S3.计算复合干热事件条件下植被生长变化速度；S4利用地理探测器中交互因子模块，计算复合干热事件对植被的影响。与现有技术相比可以更好的描述历史中真实发生的复合干热事件对植被生长的实际影响，也能有效的解释植被对复合干热事件响应的空间异质性。
-
公开(公告)号：CN119649256A
公开(公告)日：2025-03-18
申请号：CN202510176551.1
申请日：2025-02-18
Applicant: 南昌大学
IPC: G06V20/17 , G06N3/0464 , G06N3/0985 , G06V10/20 , G06V10/764 , G06V10/82 , G06V20/10 , G06V20/70
Abstract: 本发明提供了一种堤坝表观结构缺损无人机航拍巡检方法与系统，涉及水利工程与计算机视觉领域。所述巡检方法包括以下步骤：利用无人机低空航拍获得堤坝表观结构缺损高清图像；基于生成对抗网络对堤坝表观结构缺损高清图像进行数据增强处理，获得堤坝表观结构缺损图像数据，并基于Labelme进行图像标签标注；基于卷积注意力机制CBAM及SIoU损失函数，优化YOLOv8目标检测网络以建立CS‑YOLOv8网络，基于标注的堤坝表观结构缺损图像数据训练CS‑YOLOv8网络；将训练后的CS‑YOLOv8网络与切片辅助超推理进行集成并植入无人机系统，基于无人机航拍实时智能巡检堤坝表观结构缺损。本发明提供的巡检方法，能实时巡检堤坝感知表观缺损，提高了对堤坝表观小目标隐蔽结构缺损的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.067 seconds)
