-
公开(公告)号：CN119879105A
公开(公告)日：2025-04-25
申请号：CN202411933885.0
申请日：2024-12-26
Applicant: 淮河水利委员会水文局(信息中心) , 河南省气象台(黄河流域气象中心、河南省环境气象预报预警中心) , 河海大学
IPC: F17D5/06 , G06F18/2433 , G06F18/21 , G06F18/10
Abstract: 本发明公开一种基于水压基线的供水管网漏损分析方法，结合城市供水管网的基础信息和实时监测的水压数据，对供水管网中各分区的新增漏损情况进行实时分析，精确识别供水管网中的漏损点。包括水压设备布设与报文解析、水压数据预处理、基于长系列数据的压力基线计算、基于压力基线的水压异常分析和区域新增漏损状态分析。本发明能够高效、准确地分析供水管网的水压数据异常，为供水企业的管网管理和维护提供科学依据，降低了漏损检测的成本，提高了管网运维的效率，有助于保障城市供水的稳定性和安全性。
-
公开(公告)号：CN117291055A
公开(公告)日：2023-12-26
申请号：CN202311380331.8
申请日：2023-10-23
Applicant: 淮河水利委员会水文局(信息中心)
Abstract: 本发明公开一种河系的洪水预报预演一体化系统，该系统包括：预报体系构建模块、防洪形势分析模块、预报计算模块和调度预演模块，通过预报体系构建模块组建河系包含的集水区单元、其上下游拓扑关系及各单元配置的产汇流模型方法；通过防洪形势分析模块获取组成预报体系各集水区单元设定计算时段的降雨量、水位流量及状态量数据；通过预报计算模块，计算得到预报体系内各集水区单元产汇流预报结果；通过调度预演模块，预演得到工程不同运用方式下各集水区控制断面水情变化结果。本发明能够灵活组建预报体系，并对预报体系内集水区单元进行一体化洪水预报预演，业务运行效率高。
-
公开(公告)号：CN109993372B
公开(公告)日：2022-11-22
申请号：CN201910291810.X
申请日：2019-04-12
Applicant: 淮河水利委员会水文局(信息中心)
Abstract: 本发明涉及一种基于多源不确定性的洪水概率预报方法，步骤如下：基于不完备雨量监测群估计面雨量概率分布；构建各模型参数的次优解集，获取模型参数的概率分布；随机生成面雨量与参数的组合，驱动水文模型产生多组初始预报流量过程；利用BMA方法估计各模型为相对最优的概率；随机抽取最优模型及相应初始预报流量，估计预报流量的后验概率分布实现概率预报。本发明是综合考虑降雨输入、参数、模型结构三方面不确定性，实现洪水概率预报的计算方法，可以广泛应用在降雨输入误差显著、适合洪水预报的模型或模型结构无法精确预知、模型参数不确定性较高的情况，可提高洪水预报结果的准确性与可靠性，为防洪减灾工作提供技术支撑。
-
公开(公告)号：CN115099497A
公开(公告)日：2022-09-23
申请号：CN202210741890.6
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: 本发明公开了一种基于CNN‑LSTM的实时洪水预报智能方法。本发明基于卷积神经网络(CNN)和长短期记忆(LSTM)网络构建一个用于水文过程预测的深度学习网络(CNN‑LSTM)。在CNN‑LSTM中，CNN用于识别和提取空间降水数据，LSTM用于学习降水与流量之间的时间序列关系。这两个网络使得CNN‑LSTM具有识别空间和时间信息的能力。CNN‑LSTM在水文建模中学习非线性和复杂过程方面具有强大的能力。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN106295859B
公开(公告)日：2019-10-29
申请号：CN201610619475.8
申请日：2016-08-01
Applicant: 淮河水利委员会水文局(信息中心)
Abstract: 本发明涉及无径流资料地区汇流计算方法，步骤如下：搜集已完成的有历史降雨径流资料、采用单位线汇流预报效果较好的流域，预先将其汇流方案和流域地理信息进行保存；进行无径流资料流域洪水汇流计算时，首先建立有资料和无资料流域网格净雨水滴数目的数量‑时间分布曲线，并采用三角形进行概化，而后对概化的三角形过程进行相似度计算寻找相似流域集，并对相似流域集的单位线过程进行时空变换，最终按照峰大时短的最不利原则对变换单位线集进行综合得到无径流资料流域单位线。本发明在大量流域预报积累的基础上，采用针对性准则进行相似流域选取、单位线的时空变换综合，可有效避免人为主观判断误差，提高效率，为大范围无资料地区预报奠定基础。
-
公开(公告)号：CN116993027A
公开(公告)日：2023-11-03
申请号：CN202311255644.0
申请日：2023-09-27
Applicant: 中国水利水电科学研究院 , 淮河水利委员会水文局(信息中心)
Abstract: 本发明提供一种改进的水工程联合调度优化方法，包括构建水工程联合调度计算方案，还包括以下步骤：确定参与水工程联合调度水利工程节点，以及确定各个水工程调度节点的可行调度数值；改进水工程联合调度优化算法，用得到的可行调度值代替优化算法中的随机数；使用改进后的所述水工程联合调度优化算法，加载调度方案和洪水计算，将优化结果转换为可行调度值；将优化调度结果通过概化图进行时空数据的可视化展示。本发明提出的一种改进的水工程联合调度优化方法，可以实现高效水工程联合调度优化计算，寻优的结果符合实际业务特点，可用于实际水工程联合调度决策指挥。
-
公开(公告)号：CN115099497B
公开(公告)日：2023-02-17
申请号：CN202210741890.6
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: G06Q10/04 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于CNN‑LSTM的实时洪水预报智能方法。本发明基于卷积神经网络(CNN)和长短期记忆(LSTM)网络构建一个用于水文过程预测的深度学习网络(CNN‑LSTM)。在CNN‑LSTM中，CNN用于识别和提取空间降水数据，LSTM用于学习降水与流量之间的时间序列关系。这两个网络使得CNN‑LSTM具有识别空间和时间信息的能力。CNN‑LSTM在水文建模中学习非线性和复杂过程方面具有强大的能力。
-
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：CN109993372A
公开(公告)日：2019-07-09
申请号：CN201910291810.X
申请日：2019-04-12
Applicant: 淮河水利委员会水文局(信息中心)
Abstract: 本发明涉及一种基于多源不确定性的洪水概率预报方法，步骤如下：基于不完备雨量监测群估计面雨量概率分布；构建各模型参数的次优解集，获取模型参数的概率分布；随机生成面雨量与参数的组合，驱动水文模型产生多组初始预报流量过程；利用BMA方法估计各模型为相对最优的概率；随机抽取最优模型及相应初始预报流量，估计预报流量的后验概率分布实现概率预报。本发明是综合考虑降雨输入、参数、模型结构三方面不确定性，实现洪水概率预报的计算方法，可以广泛应用在降雨输入误差显著、适合洪水预报的模型或模型结构无法精确预知、模型参数不确定性较高的情况，可提高洪水预报结果的准确性与可靠性，为防洪减灾工作提供技术支撑。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.031 seconds)
