-
公开(公告)号：CN117688505A
公开(公告)日：2024-03-12
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: G06F18/2433 , G06F18/15 , G06F17/18 , G06F18/27 , G06Q50/26
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：CN119783027A
公开(公告)日：2025-04-08
申请号：CN202411838079.5
申请日：2024-12-13
Applicant: 河海大学
Abstract: 本发明公开了考虑误差变异的多源降水信息时变融合方法、装置及系统，包括：生成具有相同时空分辨率的第一卫星反演降水产品、第二卫星反演降水产品和再分析模拟降水产品；在各雨量站的每个时间点，以最小化融合降水产品与雨量站观测数据之间的误差为目标，确定出所述第一卫星反演降水产品、第二卫星反演降水产品和再分析模拟降水产品的时变最优权重；使用反距离加权方法对所述时变最优权重进行插值处理，生成时变融合权重；基于所述第一卫星反演降水产品、第二卫星反演降水产品和再分析模拟降水产品，以及所述时变融合权重，生成融合降水产品。本发明能有效地时变融合多源降水信息，为无资料流域水资源管理和水灾害监测预警提供数据支撑。
-
公开(公告)号：CN112287294A
公开(公告)日：2021-01-29
申请号：CN202010950190.9
申请日：2020-09-10
Applicant: 河海大学
Abstract: 本发明公开了一种基于深度学习的时空双向土壤含水量插值方法，包括：构建长短期记忆LSMT、全卷积神经网络FCNN两种深度学习模型；以遥感土壤水产品、气象要素、植被土壤等下垫面参数为输入数据，分别从时间维度逐网格构建LSTM模型，从空间维度逐日构建FCNN模型，重建土壤含水量数据；结合贝叶斯网络权重自学习模型，将时间和空间两套不同插值途径获得的土壤水数据进行优化融合。本发明充分考虑数据的时空三维特征，综合了土壤水在时程上的季节变化规律以及在空间上的地理学特性，利用深度学习模型有效建立气象、下垫面要素与土壤含水量间的内在联系，显著提高了土壤含水量的插值精度。
-
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：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。
-
Patent Agency Ranking
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。
-
公开(公告)号：CN119476055A
公开(公告)日：2025-02-18
申请号：CN202510055611.4
申请日：2025-01-14
Applicant: 河海大学
IPC: G06F30/27 , G06F18/10 , G06F18/214 , G06N3/0442 , G06N3/0464 , G06N3/084 , G06N20/00 , G06F113/08
Abstract: 本发明提供了一种基于机器学习模型的生态水文模拟方法，该方法包括：获取生态水文数据，对获取的生态水文数据进行预处理，得到数据集，基于改进的ConvLSTM网络结构构建生态水文模型，基于数据集对生态水文模型进行训练，得到训练后的生态水文模型，将待测数据输入训练后的生态水文模型，进行蒸散发的预测。本发明基于多种数据实现蒸散发的预测，充分利用了遥感数据及地面气象数据的优势，显著提高了蒸散发预测的精度，能够对实时数据进行处理，实时性强，可根据不同区域进行不同的应用，能够实现模型的输入灵活调整，可扩展性强，可应用于多个领域，为农业和生态监测提供实时支持。
-
公开(公告)号：CN117892638A
公开(公告)日：2024-04-16
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：CN112287294B
公开(公告)日：2024-02-27
申请号：CN202010950190.9
申请日：2020-09-10
Applicant: 河海大学
IPC: G06F17/18 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的时空双向土壤含水量插值方法，包括：构建长短期记忆LSMT、全卷积神经网络FCNN两种深度学习模型；以遥感土壤水产品、气象要素、植被土壤等下垫面参数为输入数据，分别从时间维度逐网格构建LSTM模型，从空间维度逐日构建FCNN模型，重建土壤含水量数据；结合贝叶斯网络权重自学习模型，将时间和空间两套不同插值途径获得的土壤水数据进行优化融合。本发明充分考虑数据的时空三维特征，综合了土壤水在时程上的季节变化规律以及在空间上的地理学特性，利用深度学习模型有效建立气象、下垫面要素与土壤含水量间的内在联系，显著提高了土壤含水量的插值精度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.017 seconds)
