-
公开(公告)号:CN115049292B
公开(公告)日:2023-03-24
申请号:CN202210741864.3
申请日:2022-06-28
Applicant: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
IPC: G06Q10/0631 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/088 , G06N3/092
Abstract: 本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法,包括:构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈,以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比,本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果,明显优于传统的基于决策树的水库发电调度结果,说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力,在水库调度决策中具有很强的适应能力。
-
公开(公告)号:CN114707753B
公开(公告)日:2022-12-09
申请号:CN202210438848.7
申请日:2022-04-25
Applicant: 河海大学 , 淮河水利委员会水文局(信息中心)
Abstract: 本发明公开了一种区域化LSTM洪水预报方法,步骤包括:收集历史水文资料,在综合考虑区域信息的基础上,进行水文数据的预处理;划分率定集与验证集,初定模型参数并进行模型训练;选取精度评价指标,进行模型精度评价;选取优化算法,进行模型参数寻优。本发明通过水文资料与流域信息相结合的方式,构建水文气候一致区尺度的LSTM模型。扩大了LSTM模型的训练集,进一步提高了洪水预报的精度,弥补了无资料地区的洪水预报的不足,具有较强的应用前景。
-
公开(公告)号:CN119884541A
公开(公告)日:2025-04-25
申请号:CN202411882466.9
申请日:2024-12-19
Applicant: 淮河水利委员会水文局(信息中心)
Inventor: 徐时进 , 王凯 , 陈邦慧 , 胡友兵 , 赵梦杰 , 冯志刚 , 陈红雨 , 梁树献 , 刘小虎 , 苏翠 , 马亚楠 , 鲁志杰 , 胡方旭 , 钟加星 , 洪双玲 , 高昂
IPC: G06F17/10 , G06F18/22 , G06F18/213 , G06Q50/26 , G06F16/29
Abstract: 本发明提供考虑暴雨历时的小型水库动态临界雨量实时高效预警方法,利用地理空间数据对自然流域进行数字化和特征提取,并将有资料地区的降雨径流关系参数移植到无资料的小型水库流域;综合考虑流域前期影响雨量、实时水量、设定暴雨历时条件下的出库总水量因素,基于图形分析法精细划分洪水发展过程中入库洪水、出库洪水和水位随时间变化的各个阶段,最终采用移植的降雨径流关系计算得到小型水库临界雨量数值;将气象降水数值预报成果与小型水库流域集水区进行网格匹配,并将所设定暴雨历时内的预估降水与临界雨量分析成果进行对比,实现致灾暴雨的实时预警。本发明的方法运行效率高,可为大范围的无资料地区小型水库洪水风险预警提供技术支撑。
-
公开(公告)号:CN115049292A
公开(公告)日:2022-09-13
申请号:CN202210741864.3
申请日:2022-06-28
Applicant: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
Abstract: 本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法,包括:构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈,以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比,本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果,明显优于传统的基于决策树的水库发电调度结果,说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力,在水库调度决策中具有很强的适应能力。
-
公开(公告)号:CN114707753A
公开(公告)日:2022-07-05
申请号:CN202210438848.7
申请日:2022-04-25
Applicant: 河海大学 , 淮河水利委员会水文局(信息中心)
Abstract: 本发明公开了一种区域化LSTM洪水预报方法,步骤包括:收集历史水文资料,在综合考虑区域信息的基础上,进行水文数据的预处理;划分率定集与验证集,初定模型参数并进行模型训练;选取精度评价指标,进行模型精度评价;选取优化算法,进行模型参数寻优。本发明通过水文资料与流域信息相结合的方式,构建水文气候一致区尺度的LSTM模型。扩大了LSTM模型的训练集,进一步提高了洪水预报的精度,弥补了无资料地区的洪水预报的不足,具有较强的应用前景。
-
-
-
-