基于水文和随机森林模型的水库动态纳雨能力计算方法

    公开(公告)号:CN118886521A

    公开(公告)日:2024-11-01

    申请号:CN202410785582.2

    申请日:2024-06-18

    Applicant: 济南大学

    Abstract: 本发明提供基于水文和随机森林模型的水库动态纳雨能力计算方法,涉及小流域的水文技术领域。该基于水文和随机森林模型的水库动态纳雨能力计算方法,包括以下步骤:确定水库最大目标水位:确定参数;基于随机森林回归算法,选取降雨特征参数、流域特征参数和水库特征参数构建小型水库纳雨能力预估模型;确定预估模型评价指标;纳雨能力逐时计算及修正。该方法通过构建小型水库纳雨能力水文模型和小型水库纳雨能力预估模型,提出四种纳雨能力的计算方法,可以实现在一场或多场降雨过程的纳雨能力计算及修正,减少降雨径流过程和水库调度过程所产生的误差,预估该水库未来降雨任意时刻降雨量下所对应的水库纳雨能力。

    一种基于机器学习的小流域山洪灾害风险动态评估方法

    公开(公告)号:CN118643415A

    公开(公告)日:2024-09-13

    申请号:CN202410633401.4

    申请日:2024-05-21

    Applicant: 济南大学

    Abstract: 本发明提供一种基于机器学习的小流域山洪灾害风险动态评估方法,涉及山洪灾害研究技术领域。该基于机器学习的小流域山洪灾害风险动态评估方法,包括风险等级划分:基于土壤含水量和雨型的变化对流域造成不同的影响程度,对山洪灾害风险等级进行划分;全流域数据处理:对小流域山洪灾害风险评估指标数据收集与处理,并基于流域面积对小流域上游各个层级的流域数据分别计算加权平均值,最终组成数据集。通过利用实时的土壤含水量和预报的降雨量数据对流域山洪灾害风险进行实时或近实时评估,本公开能够提供动态的风险评估,这种动态预测方法能够反映降雨变化对洪水风险的即时影响,相比于传统的静态模型,大大提高了预测的时效性和准确性。

    一种面向山洪灾害防灾对象的小流域雨量站网评估方法

    公开(公告)号:CN118569491A

    公开(公告)日:2024-08-30

    申请号:CN202410664798.3

    申请日:2024-05-27

    Applicant: 济南大学

    Abstract: 本发明提供一种面向山洪灾害防灾对象的小流域雨量站网评估方法,涉及山洪灾害研究技术领域。该面向山洪灾害防灾对象的小流域雨量站网评估方法,包括:构建考虑地形因素的雨量站覆盖半径公式,确定雨量站监测能力覆盖半径;确定小流域内单个防灾对象的覆盖度;确定小流域的综合覆盖度;以雨量站为中心,按照东西南北、东南、东北、西南、西北八个方向,划分为8个区域,根据每个区域的DEM数据计算各个区域的坡度标准差,代入公式求取各个区域的覆盖半径。通过根据防灾对象的流域特征与雨量站的地形特征确定雨量站覆盖半径,该方法得到的覆盖度结果可以直接用于小流域内雨量站网的空间分布评估,不局限于传统的雨量站网密度评估。

    优化输入与滚动修正的梯级泵站站前水位实时预测方法

    公开(公告)号:CN119537841A

    公开(公告)日:2025-02-28

    申请号:CN202411602165.6

    申请日:2024-11-11

    Applicant: 济南大学

    Abstract: 本发明提供优化输入与滚动修正的梯级泵站站前水位实时预测方法,涉及泵站运行调度及水利信息化研究领域。该优化输入与滚动修正的梯级泵站站前水位实时预测方法,提出一种包括采集数据清洗、输入因子简化、分时段预测、滚动消除误差的方法,首先对采集到的相关数据进行清洗,进而采用归一化预处理,再使用皮尔逊相关系数计算输入因子的相关性,并进行敏感性分析,计算水流传播过程的滞后时间并据此进行分时段预测,引入误差校正(EC)技术,将训练集数据输入至LSTM‑EC神经网络模型,通过不断调节优化权重矩阵和偏差项,完成对LSTM‑EC神经网络模型的训练优化,输入预测集数据,最终实现对梯级泵站站前水位的实时滚动预测。

    一种基于机器学习的沿河村落山洪灾害评价方法

    公开(公告)号:CN119130106A

    公开(公告)日:2024-12-13

    申请号:CN202410944632.7

    申请日:2024-07-15

    Applicant: 济南大学

    Abstract: 本发明提供一种基于机器学习的沿河村落山洪灾害评价方法,涉及山洪灾害研究领域。该基于机器学习的沿河村落山洪灾害评价方法,包括构建沿河村落山洪灾害指标体系:基于灾害体系的理论框架,选择山丘区沿河的村落为基础单元,并结合这些村落的独特性质,从致灾因子、孕灾环境和承灾体三个维度出发选取指标,构建一个综合村落、河段、流域的风险评价体系;风险等级划分:基于历史山洪灾害发生的次数及所造成的破坏程度,对沿河村落的山洪灾害风险等级进行划分。通过基尼指数分析各个指标重要性:计算各风险指标的基尼指数,可以得到各风险指标的重要性;在实例分析中,河段隐患层面的指标贡献度总和达到了61.65%。

    基于多变量联合分布和LSTM的遥感降水数据偏差校正方法

    公开(公告)号:CN119106610A

    公开(公告)日:2024-12-10

    申请号:CN202411159595.5

    申请日:2024-08-22

    Applicant: 济南大学

    Abstract: 本发明提供基于多变量联合分布和LSTM的遥感降水数据偏差校正方法,涉及卫星遥感降水偏差校正技术领域。该基于多变量联合分布和LSTM的遥感降水数据偏差校正方法,包括:CN05.1数据集和CMIP6逐日降水数据的预处理;基于R‑vine Copula构建多变量联合分布模型;采用VCCP方法对多变量联合分布模型进行变点检验;采用长短期记忆循环神经网络LSTM机器学习,分别校正多变量联合分布模型中突变点前后的遥感降水数据。通过利用LSTM模型分别对突变前后的遥感降水数据进行校正,校正后的降水数据精度有明显地提高,本发明能够很好地解决“突变”对降水时间序列的影响,从而达到遥感降水偏数据差校正的效果。

Patent Agency Ranking