-
公开(公告)号：CN110889553A
公开(公告)日：2020-03-17
申请号：CN201911172744.0
申请日：2019-11-26
Applicant: 长江勘测规划设计研究有限责任公司 , 长江信达软件技术(武汉)有限责任公司
Abstract: 本发明涉及水资源调度技术领域，公开了一种基于优化策略的实时配水方法，包括如下步骤：获取的需水计划和商品率，干渠的供水计划，取得支渠的灌溉供水优先级别，然后计算取得各支渠当日的供水量，并以轮期内所有配水时段的干渠、支渠渠道的输水渗漏总损水量最小为目标建模，仿真计算后，取最优结果，取得最终配水决策方案。本发明基于优化策略的实时配水方法，采用实际灌溉原则与优化算法相结合的方式，使得配水结果更加优化可行。
-
公开(公告)号：CN118862391B
公开(公告)日：2025-02-14
申请号：CN202411327969.X
申请日：2024-09-24
Applicant: 长江信达软件技术(武汉)有限责任公司
IPC: G06F30/18 , G06F30/12 , G06F30/20 , G06F113/14
Abstract: 本发明提出一种基于UE5的排水管网数字孪生模型自动构建方法及系统，涉及市政排水管网数字孪生应用技术领域，所述方法包括：获取排水管网普查数据，进行排水管网普查数据格式转换；所述排水管网普查数据包括管线JSON数据和管点JSON数据；将转换后的数据在UE5中建立排水管网模型库和排水管网材质库；在UE5中创建管线蓝图类和管点蓝图类；在UE5中创建编辑器工具蓝图，使用编辑器工具蓝图脚本进行管线、管点数字孪生模型的自动构建。本发明实现了排水管网建模与业务应用的无缝衔接，具有高保真可视化的优点；提供了通过接口调用实现模型数据在应用平台热更新的方法，有利于数字孪生技术在市政排水管网领域的应用和发展。
-
公开(公告)号：CN118862391A
公开(公告)日：2024-10-29
申请号：CN202411327969.X
申请日：2024-09-24
Applicant: 长江信达软件技术(武汉)有限责任公司
IPC: G06F30/18 , G06F30/12 , G06F30/20 , G06F113/14
Abstract: 本发明提出一种基于UE5的排水管网数字孪生模型自动构建方法及系统，涉及市政排水管网数字孪生应用技术领域，所述方法包括：获取排水管网普查数据，进行排水管网普查数据格式转换；所述排水管网普查数据包括管线JSON数据和管点JSON数据；将转换后的数据在UE5中建立排水管网模型库和排水管网材质库；在UE5中创建管线蓝图类和管点蓝图类；在UE5中创建编辑器工具蓝图，使用编辑器工具蓝图脚本进行管线、管点数字孪生模型的自动构建。本发明实现了排水管网建模与业务应用的无缝衔接，具有高保真可视化的优点；提供了通过接口调用实现模型数据在应用平台热更新的方法，有利于数字孪生技术在市政排水管网领域的应用和发展。
-
公开(公告)号：CN118350166A
公开(公告)日：2024-07-16
申请号：CN202410789923.3
申请日：2024-06-19
Applicant: 长江信达软件技术(武汉)有限责任公司
IPC: G06F30/18 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F18/241 , G06F111/08
Abstract: 本发明公开了一种基于马尔科夫扩散核的图神经网络模型。它包括图卷积模块和节点特征聚合模块；通过图卷积模块得到的图卷积层的节点表征，经过节点特征聚合模块聚合及转换处理后得出下游任务所需的节点指标值；图卷积模块包括第一input_dim×hidden线性转化层、hidden×hidden图卷积块；hidden×hidden图卷积块有多个；第一input_dim×hidden线性转化层、多个hidden×hidden图卷积块顺序连接；节点特征聚合模块包括节点特征聚合层和第二hidden×output_dim线性转化层；节点特征聚合层和第二hidden×output_dim线性转化层顺序连接。本发明还公开了所述的基于马尔科夫扩散核的图神经网络模型在供水网络中的应用、以及基于马尔科夫扩散核的图神经网络模型的框架扩展。
-
Patent Agency Ranking
公开(公告)号：CN113902168B
公开(公告)日：2022-11-01
申请号：CN202111050110.5
申请日：2021-09-08
Applicant: 长江信达软件技术(武汉)有限责任公司 , 长江勘测规划设计研究有限责任公司
Abstract: 本发明公开了一种基于实时人群数据融合的洪灾应急疏散方法。它包括如下步骤，步骤一：构建二维水动力学模型，确定洪水风险区与安全区范围；步骤二：开发位置服务接口，在应急状态下接入互联网获取实时人群监测数据；步骤三：开发洪灾应急疏散的移动应用，采集用户人群填报数据；步骤四：采用多源数据融合技术，对LBS实时人群监测数据和移动应用采集的人群数据进行叠加分析；步骤五：基于实时人群融合数据构建洪灾应急疏散模型，动态规划人群疏散路线；步骤六：将洪灾预警消息与疏散路线信息推送至风险区人群。本发明具有提高人群识别的精准性和时效性，改善洪水风险区人群应急避险疏散的效率和效果的优点。
-
公开(公告)号：CN113902168A
公开(公告)日：2022-01-07
申请号：CN202111050110.5
申请日：2021-09-08
Applicant: 长江信达软件技术(武汉)有限责任公司 , 长江勘测规划设计研究有限责任公司
Abstract: 本发明公开了一种基于实时人群数据融合的洪灾应急疏散方法。它包括如下步骤，步骤一：构建二维水动力学模型，确定洪水风险区与安全区范围；步骤二：开发位置服务接口，在应急状态下接入互联网获取实时人群监测数据；步骤三：开发洪灾应急疏散的移动应用，采集用户人群填报数据；步骤四：采用多源数据融合技术，对LBS实时人群监测数据和移动应用采集的人群数据进行叠加分析；步骤五：基于实时人群融合数据构建洪灾应急疏散模型，动态规划人群疏散路线；步骤六：将洪灾预警消息与疏散路线信息推送至风险区人群。本发明具有提高人群识别的精准性和时效性，改善洪水风险区人群应急避险疏散的效率和效果的优点。
-
公开(公告)号：CN119888113A
公开(公告)日：2025-04-25
申请号：CN202510369914.3
申请日：2025-03-27
Applicant: 长江信达软件技术(武汉)有限责任公司
IPC: G06T17/05 , G06F16/587 , G06F16/583 , G06F16/51
Abstract: 本发明公开了一种数字孪生流域地形影像服务融合方法。它包括如下步骤，S1，按照数字孪生流域地理空间数据的数据精度和建设范围规划地图数据；S2，根据S1规划的精度和范围，采集和处理满足数字孪生流域要求的地图数据；S3，制订数字孪生流域不同场景中地图金字塔层级加载策略；S4，对L1级、L2级、L3级数字孪生的DOM数据进行瓦片融合；S5，制作瓦片融合元文件，输出流域数字孪生影像瓦片数据集；S6，对L1级、L2级、L3级数字孪生的DEM数据进行融合切片，输出流域数字孪生地形瓦片数据集；S7，发布流域数字孪生流域影像服务和地形服务。本发明具有实现地图数据和服务的轻量化的优点。
-
公开(公告)号：CN118350166B
公开(公告)日：2024-09-10
申请号：CN202410789923.3
申请日：2024-06-19
Applicant: 长江信达软件技术(武汉)有限责任公司
IPC: G06F30/18 , G06F30/27 , G06N3/0464 , G06N3/08 , G06F18/241 , G06F111/08
Abstract: 本发明公开了一种基于马尔科夫扩散核的图神经网络模型。它包括图卷积模块和节点特征聚合模块；通过图卷积模块得到的图卷积层的节点表征，经过节点特征聚合模块聚合及转换处理后得出下游任务所需的节点指标值；图卷积模块包括第一input_dim×hidden线性转化层、hidden×hidden图卷积块；hidden×hidden图卷积块有多个；第一input_dim×hidden线性转化层、多个hidden×hidden图卷积块顺序连接；节点特征聚合模块包括节点特征聚合层和第二hidden×output_dim线性转化层；节点特征聚合层和第二hidden×output_dim线性转化层顺序连接。本发明还公开了所述的基于马尔科夫扩散核的图神经网络模型在供水网络中的应用、以及基于马尔科夫扩散核的图神经网络模型的框架扩展。
-
公开(公告)号：CN110889553B
公开(公告)日：2022-06-28
申请号：CN201911172744.0
申请日：2019-11-26
Applicant: 长江勘测规划设计研究有限责任公司 , 长江信达软件技术(武汉)有限责任公司
Abstract: 本发明涉及水资源调度技术领域，公开了一种基于优化策略的实时配水方法，包括如下步骤：获取的需水计划和商品率，干渠的供水计划，取得支渠的灌溉供水优先级别，然后计算取得各支渠当日的供水量，并以轮期内所有配水时段的干渠、支渠渠道的输水渗漏总损水量最小为目标建模，仿真计算后，取最优结果，取得最终配水决策方案。本发明基于优化策略的实时配水方法，采用实际灌溉原则与优化算法相结合的方式，使得配水结果更加优化可行。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.041 seconds)
