一种基于增量学习的洪水预报模型参数在线优化方法

    公开(公告)号:CN118052321A

    公开(公告)日:2024-05-17

    申请号:CN202410163260.4

    申请日:2024-02-05

    Applicant: 河海大学

    Abstract: 本发明公开了一种基于增量学习的洪水预报模型参数在线优化方法,分析流域历史数据样本,对时序数据进行洪水场次划分以及数据标准化;对多流域历史洪水数据样本的暴雨特征和出口断面流量特征进行提取;使用参数率定算法对多流域历史洪水样本初始的模型参数范围进行迭代寻优,记录优化后的参数值;使用增量式决策树回归模型增量学习历史洪水样本数据并对需要预测洪水的洪水预报模型参数进行优化;将优化的参数值输入水文模型,评估对比洪水预报精度。本发明利用增量学习的实时性、强适应性、遗忘防护和高资源效率的能力,可以有效解决传统洪水预报过程中水文模型参数优化方法速度缓慢问题,实现洪水预报模型参数智能在线优化,提高业务处理的效率。

    一种知识和数据融合驱动的洪水预报模型参数在线优化方法

    公开(公告)号:CN116776581A

    公开(公告)日:2023-09-19

    申请号:CN202310696139.3

    申请日:2023-06-13

    Applicant: 河海大学

    Abstract: 本发明公开了一种知识和数据融合驱动的洪水预报模型参数在线优化方法,分析流域预热期数据样本,对时序数据进行洪水场次划分以及特征提取;基于空间贡献分析确定调整水利对象,根据流域特征确定调整洪水特征量,查询水利计算对象相应模型;基于知识图谱匹配模型在洪水调整特征量下的敏感参数和调整方向,匹配参数优化范围;在线提取特征并匹配相似模式,和所得参数方向和范围进行比对,若不一致修订参数取值范围;将所得参数范围更新至参数率定文件,并运行参数率定算法,记录参数寻优范围拟定的决策过程;优化效果后评估与反馈。本发明通过知识和数据融合驱动,实现洪水预报模型参数智能在线优化,提高业务处理的效率。

    一种知识驱动的数字孪生流域智能体的构建方法及装置

    公开(公告)号:CN115544266A

    公开(公告)日:2022-12-30

    申请号:CN202211172896.2

    申请日:2022-09-26

    Applicant: 河海大学

    Abstract: 本发明公开了一种知识驱动的数字孪生流域智能体的构建方法及装置,所述方法包括:将服务请求者的需求转换为智能体处理所需的参数序列;组合智能体通过查询知识图谱感知流域态势,获取当前请求的工作流程;组合智能体根据当前请求的工作流程从水利知识图谱的多个服务类中选择合适的候选服务,规划设计符合服务请求者需求的最优服务组合方案;设计执行智能体,根据组合智能体规划的最优服务组合方案,向水利知识图谱发送查询请求,依次运行模型,传递模型的执行结果;将最终执行结果反馈给服务请求者,实现服务请求者的请求。本发明的知识驱动的数字孪生流域智能体的构建具有很强的动态演化性和松耦合性,实现物理和数字流域的虚实交互迭代优化。

Patent Agency Ranking