-
公开(公告)号：CN119886587B
公开(公告)日：2025-05-27
申请号：CN202510377839.5
申请日：2025-03-28
Applicant: 河海大学 , 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06Q10/063 , G06Q10/04 , G06F18/214 , G06F18/213 , G06N20/20
Abstract: 本发明公开了一种干旱事件影响下植被恢复时长的量化预测方法，包括如下步骤：提取研究区各格点周尺度植被状态指数和土壤含水量的时间序列；根据植被状态指数时间序列得到逐格点的植被异常状况；基于土壤水分位数方法识别研究区的土壤干旱事件，提取逐格点的干旱典型特征；结合干旱事件以及对应的植被异常状况，绘制植被累积距平曲线，通过识别植被恢复的起止时刻之间的间隔来量化植被恢复时长；引入极端梯度提升树模型，训练并预测未来时刻旱情发生后植被的恢复时长。本发明为量化植被恢复时长提供了新的途径，基于机器学习算法建立了干旱影响下植被恢复时长的预测方法，为评估生态系统对干旱的响应提供技术支撑。
-
公开(公告)号：CN119577641A
公开(公告)日：2025-03-07
申请号：CN202411632232.9
申请日：2024-11-15
Applicant: 河海大学
IPC: G06F18/2433 , G06F17/18 , G06N20/20 , G06Q50/26
Abstract: 本发明公开了一种基于水热异常特征的干旱影响预测方法及系统，该方法包括：提取计算研究区域气象数据的时间序列，并对降水量和蒸散发量进行标准化处理；计算土壤含水量分位数识别干旱，完成干旱时段划分，获得水热异常特征值与干旱形成速率；构建土壤水恢复力指数；使用随机森林模拟干旱速率；对干旱影响进行评估。本发明能够提高对骤发干旱事件的发生与影响预估的精确度。
-
公开(公告)号：CN117892638B
公开(公告)日：2024-05-17
申请号：CN202410289442.6
申请日：2024-03-14
Applicant: 河海大学
IPC: G06F30/27 , G06F18/214 , G06F18/21 , G06N20/20 , G06F111/08 , G06F119/12
Abstract: 本发明公开了一种利用条件概率函数的干旱形成时间预测方法及系统，包括：构建数据集；计算变量边缘分布，构建联合概率函数；推求条件概率分布函数及条件概率模型；抽样并划分数据集，导入随机森林模型；修正条件概率模型，预测未来干旱形成时间。本发明结合随机森林模型推算出的干旱形成时间与影响因子间的对应值，对理论计算的条件概率模型进行修正，得到更为精确的条件概率函数以预测未来不同影响因子下的干旱形成时间。该方法使得在分析单一主要影响因子变化与多个次要影响因子变化下对干旱形成时间的影响时具有更高的精度，并对进一步研究干旱过程提供技术手段参考。
-
公开(公告)号：CN109472004B
公开(公告)日：2021-05-11
申请号：CN201811285110.1
申请日：2018-10-31
Applicant: 河海大学
Abstract: 本发明公开了一种气候变化和人类活动对水文干旱影响的综合评估方法、装置及系统，包括获取流域内的水文气象数据；建立径流时间序列，进行趋势分析，然后确定径流时间序列的突变点，突变点之前的时期为基准期，突变点之后的时期为变化期；利用基准期的水文气象数据，率定水文模型参数，并结合全时段的水文气象数据重建整个自然径流序列，获得模拟径流；分别使用变动阈值方法和基于参数移植的标准化径流指数方法对实测径流序列和模拟径流序列进行干旱识别；根据两个序列干旱识别结果的差值，定量分离出气候变化和人类活动对水文干旱的相对影响大小；本发明能够合理地评价变化环境下的水文干旱事件，且两种方法的评价结果可以相互比较，有效提高了评价的准确性与客观性。
-
公开(公告)号：CN120069247A
公开(公告)日：2025-05-30
申请号：CN202510562822.7
申请日：2025-04-30
Applicant: 河海大学
Abstract: 本发明公开了一种干旱灾害下农业产量预测方法，提出了干旱灾害胁迫下的农业产量预测模型，通过随机森林算法预测出不同气象条件下干旱事件的形成时间，将干旱形成时间转变为干旱形成速率后，再构建干旱形成速率与产量损失率之间的关系，能够较为准确地得到农业作物在干旱灾害下的产量损失，为农业防旱早期预警和作物受旱灾影响预测提供了更准确的信息。
-
Patent Agency Ranking
公开(公告)号：CN119886587A
公开(公告)日：2025-04-25
申请号：CN202510377839.5
申请日：2025-03-28
Applicant: 河海大学 , 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06Q10/063 , G06Q10/04 , G06F18/214 , G06F18/213 , G06N20/20
Abstract: 本发明公开了一种干旱事件影响下植被恢复时长的量化预测方法，包括如下步骤：提取研究区各格点周尺度植被状态指数和土壤含水量的时间序列；根据植被状态指数时间序列得到逐格点的植被异常状况；基于土壤水分位数方法识别研究区的土壤干旱事件，提取逐格点的干旱典型特征；结合干旱事件以及对应的植被异常状况，绘制植被累积距平曲线，通过识别植被恢复的起止时刻之间的间隔来量化植被恢复时长；引入极端梯度提升树模型，训练并预测未来时刻旱情发生后植被的恢复时长。本发明为量化植被恢复时长提供了新的途径，基于机器学习算法建立了干旱影响下植被恢复时长的预测方法，为评估生态系统对干旱的响应提供技术支撑。
-
公开(公告)号：CN118863528A
公开(公告)日：2024-10-29
申请号：CN202410891956.9
申请日：2024-07-04
Applicant: 河海大学
IPC: G06Q10/0635 , G06Q50/26 , G06F17/15
Abstract: 本发明公开了一种基于逐日降水量的旱涝急转事件判别方法及系统，所述方法通过由各气象站的逐日实测降水数据，计算标准化加权平均降水指数；再由逐日实测降水数据计算获得前期、后期标准化降水异常值SPA前、SPA后，在日尺度旱涝急转指数的公式基础上改进，构建一个同时考虑前后期旱涝程度与急转快慢程度的日尺度旱涝急转指数，识别筛选出旱涝急转事件。再通过逐日降水资料，检验该指标对旱涝急转事件描述的准确性，并将其应用于长江中下游流域。本发明考虑了旱涝急转事件“急的程度”与“转的程度”之间的差异，解决了现有技术中对旱涝急转综合强度的定义，更加精准识别流域旱涝急转事件，对旱涝急转灾害的分析与防治具有十分重要的意义。
-
公开(公告)号：CN118071536A
公开(公告)日：2024-05-24
申请号：CN202410044716.5
申请日：2024-01-12
Applicant: 河海大学
IPC: G06Q50/06 , G06F18/214 , G06F18/243 , G06F18/23213 , G06F18/22 , G06N3/0442 , G06Q10/047
Abstract: 本发明公开了无资料流域区域化径流预测方法、装置及系统，包括获取有资料流域数据，包括气象数据、径流时间序列以及静态属性数据；获取无资料流域数据，包括气象数据和静态属性数据；对径流时间序列进行聚类，将所有有资料流域划分为K个类别，构建用来表征静态属性数据和流域的类别之间映射关系的随机森林模型；针对各类别对应的有资料流域数据，训练基于深度学习的神经网络模型，得到K个训练完成的径流预测模型；基于无资料流域的静态属性数据，以及随机森林模型确定出无资料流域所属的类别；将无资料流域的历史第t‑τ+1到t天气象数据输入到对应类别的径流预测模型中预测出第t天的径流。本发明能够解决基于水文模型的无资料流域径流预测中的模型参数移植不确定性问题。
-
公开(公告)号：CN117688505B
公开(公告)日：2024-04-19
申请号：CN202410157179.5
申请日：2024-02-04
Applicant: 河海大学 , 中国水利水电科学研究院
IPC: G06Q50/26 , G06F18/2433 , G06F18/15 , G06F17/18 , G06F18/27
Abstract: 本发明公开了一种植被大范围区域化负异常的预测方法及系统，包括：将研究区域网格化，提取各格点反映植被状态的参数W的时间序列；对各格点序列进行预处理；计算各格点间的同步性负异常次数，得到各格点间负异常事件的同步性数据；根据同步性数据判断各格点间负异常事件的发生是否具有同步性；筛选区域内与待预测格点具有同步性的格点集，根据所述格点集中各格点参数W负异常事件的时间序列，对待预测格点未来的参数W负异常事件进行预测。本发明在植被负异常变化的预测中引入了同步性考量，通过建立区域间植被负异常的同步性，使得单个或多个区域出现植被负异常现象时对与该部分区域建立同步性的区域进行植物负异常预警。
-
公开(公告)号：CN116257817A
公开(公告)日：2023-06-13
申请号：CN202310113509.6
申请日：2023-02-14
Applicant: 河海大学
Abstract: 本发明公开了一种近实时降水融合方法、装置及系统，所述方法包括获取互相独立的近实时降水产品；对各近实时降水产品进行预处理，使得各近实时降水产品具备统一的时空分辨率；采用Triple Collocation方法估计各近实时降水产品的误差，并以最小化融合降水数据与真实降水数据的误差为目的，用所述误差计算得到各近实时降水产品的权重；对各近实时降水产品进行加权求和，获得初始融合降水数据；使用累积概率密度函数匹配方法校正所述初始融合降水数据，获得近实时融合降水数据集。本发明能够得到更高精度的近实时融合降水数据集。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.023 seconds)
