一种基于误判风险最小准则的径流预报样本集划分方法

    公开(公告)号:CN117131977A

    公开(公告)日:2023-11-28

    申请号:CN202311002894.3

    申请日:2023-08-09

    Abstract: 一种基于误判风险最小准则的径流预报样本集划分方法,包括:根据选择的数据驱动模型建立预报因子和径流之间的映射关系表达式;采用实测样本集率定数据驱动模型,作为数据驱动模型的总体估计,数据驱动模型对实测样本集的拟合精度即为总体精度的估计;从所估计的总体中进行随机抽样,将样本集划分为训练集和测试集,进行模型率定和检验;给定多组训练集、测试集划分方案,对每个划分方案,到随机抽样的预测精度样本集;计算不同划分方案下的预测精度分布与总体精度的偏离程度,根据偏离程度选择最佳或合理的样本集划分。本发明可有效减小因抽样不确定性而导致的预测精度指标对模型预测效果的误判风险,提高预报模型预测精度检验结果的可靠性。

    一种基于智能手机的灌区智能巡检系统及其巡检方法

    公开(公告)号:CN114971224A

    公开(公告)日:2022-08-30

    申请号:CN202210500300.0

    申请日:2022-05-09

    Abstract: 本发明公开了一种基于智能手机的灌区智能巡检系统。它包括后台管理系统和移动终端巡检App系统;移动终端巡检App系统通过4G/5G无线网络或VPN专线与后台管理系统进行数据通信;数据通信的内容包括后台管理系统向移动终端推送巡检任务、数据信息以及移动终端向后台管理系统提交巡检信息;后台管理系统实现制定巡检任务、规划巡检路径等功能;移动终端巡检App系统实现移动定位、巡检轨迹图生成等功能。本发明具有节约巡检成本、降低巡检对象漏检风险、防止巡检人员偷懒作弊、提高巡检效率、增强巡检对象工况风险判断和预测分析、移动端与后台自动数据同步等优点。本发明还公开了基于智能手机的灌区智能巡检系统的巡检方法。

    基于多层模型架构和图谱流的水利模型构建方法

    公开(公告)号:CN117454745A

    公开(公告)日:2024-01-26

    申请号:CN202311260286.2

    申请日:2023-09-27

    Abstract: 本发明公开一种基于多层模型架构和图谱流的水利模型构建方法,第一层拆分水利原子级模型,在制定的通用化模型开发规范下完成原子级模型库的开发;第二层对原子级模型进行单水利对象的实例化,采用“节点‑属性‑关系”三元组构建对象模型图谱,将模型标志作为图谱节点,模型的输入、参数、输出、对象来源、运行效率、运行时间等内容作为图谱属性,模型先后顺序、嵌套对象上下级层次与流域水利对象拓扑关系作为图谱关系;第三层基于图理论最优路径算法自动寻找从起点对象模型顺图谱流到终点对象模型的最优路径,完成多对象复杂水利模型的编排。本发明方法可以灵活组织水利对象与模型得到复杂水利模型,通用性高、实用性强、灵活性好。

    一种基于数字孪生技术的河道糙率动态估计方法

    公开(公告)号:CN117332574A

    公开(公告)日:2024-01-02

    申请号:CN202311212994.9

    申请日:2023-09-19

    Abstract: 本发明涉及水利工程技术领域,尤其涉及一种基于数字孪生技术的河道糙率动态估计方法,通过实时的数据反馈,构建的实时数字孪生模型,对河道断面的糙率进行实时动态估计。根据河段断面来水和相关参数,利用数字孪生技术构建了河道断面数字孪生模型和水动力学模型为核心的断面水流仿真模型,采用传感器对河道数字孪生模型进行跟踪与更新,然后基于实时同步的河道数字孪生模型,利用数据同化技术实现断面水流仿真模型的糙率动态估计。使用河道数字孪生模型,对河道糙率进行动态估计,并储存相应来流对应糙率数据,提高使用糙率计算水位的准确性,实时性,实时动态的河道断面数据,为未来河道断面糙率预估提供了准确的水位‑地形‑糙率数据库。

    基于深度学习的水库入库流量预测方法

    公开(公告)号:CN109840587A

    公开(公告)日:2019-06-04

    申请号:CN201910007771.6

    申请日:2019-01-04

    Abstract: 本发明涉及流域水情预测技术领域,公开了一种基于深度学习的水库入库流量预测方法,包括如下步骤:取得历史数据,利用DBN模型进行学习,取得各控制站及水库的历史流量数据与水库的入库流量之间的对应关系,进而取得无雨情况下预测的水库入库流量、有雨情况下预测的水库入库流量和有雨情况下的差值delta,通过LSTM训练学习,取得有雨情况下预测的入库流量差值,进而取得最终预测的水库入库流量。本发明基于深度学习的水库入库流量预测方法,将深度置信网络与长短期记忆网络算法相融合应用于入库流量的预测,提高了对入库流量的预报精度,并且提升了模型的可靠性和可扩展性。

    一种面向水利业务场景的多维多层数据模型构建方法

    公开(公告)号:CN119598702A

    公开(公告)日:2025-03-11

    申请号:CN202411527413.5

    申请日:2024-10-30

    Abstract: 本发明公开一种面向水利业务场景的多维多层数据模型构建方法,包括构建基于水利对象、计算素材、计算模型、计算时间、计算成果的五维水利业务场景模型,构建水利业务与素材及成果的关系,构建对象属性表、素材属性表、模型属性表、时间属性表、成果属性表,构建水利单元业务属性表,单元业务属性表描述水利单元业务场景涉及的对象、素材、模型、时间、成果的信息,构建单元数据模型,确定水利单元业务属性表与建立的五个属性表的关联关系,对单元数据模型进行组合,构建一个业务场景的水利数据模型;本发明面向单元业务构建单元数据模型,根据对象的水力、从属关系对单元数据模型进行灵活编排,实现对各种水利业务场景相关数据的动态组织。

    一种基于误判风险最小准则的径流预报样本集划分方法

    公开(公告)号:CN117131977B

    公开(公告)日:2024-01-23

    申请号:CN202311002894.3

    申请日:2023-08-09

    Abstract: 一种基于误判风险最小准则的径流预报样本集划分方法,包括:根据选择的数据驱动模型建立预报因子和径流之间的映射关系表达式;采用实测样本集率定数据驱动模型,作为数据驱动模型的总体估计,数据驱动模型对实测样本集的拟合精度即为总体精度的估计;从所估计的总体中进行随机抽样,将样本集划分为训练集和测试集,进行模型率定和检验;给定多组训练集、测试集划分方案,对每个划分方案,到随机抽样的预测精度样本集;计算不同划分方案下的预测精度分布与总体精度的偏离程度,根据偏离程度选择最佳或合理的样本集划分。本发明可有效减小因抽样不确定性而导致的预测精度指标对模型预测效果的误判风险,提高预报模型预测精度检验结果的可靠性。

Patent Agency Ranking