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。

    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。

    基于卷积神经网络深度学习的流量等级预测方法

    公开(公告)号:CN108875161B

    公开(公告)日:2022-11-29

    申请号:CN201810552066.X

    申请日:2018-05-31

    Abstract: 本发明提供了一种基于卷积神经网络深度学习的流量等级预测方法,包括以下步骤:选择与水库入库流量潜在相关的影响因子作为输入集合;进行样本集分类和原始输入数据集构建;对样本集中的原始输入数据集进行标准化处理;搭建多层卷积神经网络;以均方误差最小化作为损失函数,确定预测准确率;进行网络参数训练;进行网络性能测试;检验预测精度;进行模型参数的滚动学习训练;自动保存学习训练成果并自动更新实时库的知识记录;通过网络模型计算得出最终的流量等级预测结果。本发明通过组合低层特征形成更加高层的特征融合,从而实现对目标的高级抽象描述,并通过自动学习能发现输入数据的模式和时空分布规律,可有效应用于流域水情预报领域。

    一种水库洪水调度方案的结构化解析驱动方法

    公开(公告)号:CN113159599B

    公开(公告)日:2022-06-28

    申请号:CN202110474779.0

    申请日:2021-04-29

    Abstract: 本发明公开了一种水库洪水调度方案的结构化解析驱动方法。它包括如下步骤,步骤一:水库洪水调度方案的结构化解析;步骤二:洪水调度方案结构化条款的存储管理;步骤三:建立洪水调度方案结构化条款的驱动引擎;步骤四:洪水调度方案结构化条款的校核修正;步骤五:水库洪水调度条款库及驱动引擎的实时应用。本发明克服了现有水库洪水调度方案的修编调整模型更新效率低下,削弱了水库洪水调度方案在实时调度中的支撑作用,很难适应实时调度场景下水库洪水调度的时效性要求,严重影响了水库洪水调度的模拟计算及决策响应效率的缺点;具有适应实时调度场景下水库洪水调度的时效性要求、且保证水库洪水调度方案在实时调度中的支撑作用的优点。

    可实现双端多场景协同的水利业务应用决策支持系统

    公开(公告)号:CN111401780A

    公开(公告)日:2020-07-10

    申请号:CN202010246654.8

    申请日:2020-03-31

    Abstract: 本发明涉及水利信息化领域,具体涉及一种可实现双端多场景协同的水利业务应用决策支持系统。包括水利业务应用计算系统,用于供专业人员产出各类水利业务方案,并经双端协同平台发送至水利决策辅助系统,以及接收修改反馈建议,重新计算生成新的水利业务方案;水利决策辅助系统,用于接收各类水利业务方案,进行综合对比展示分析,并将决策者的意见生成修改反馈建议;双端协同平台,用于实现水利业务应用计算系统和水利决策辅助系统之间的数据交互。将水利业务计算和水利决策分析的过程解耦,减少业务需求和业务过程的交叉,让专业计算人员和决策人员可专注于关注自身的专业工作范畴,双端异步并行展开工作,综合提升整个决策支持的过程运转效率。

    超标准洪水多组合调控计算的敏捷组态方法

    公开(公告)号:CN110377993B

    公开(公告)日:2020-06-12

    申请号:CN201910616101.4

    申请日:2019-07-09

    Abstract: 本发明将组件化、组态化和流程引擎技术引入流域洪水调度控制领域。本发明提供了一种超标准洪水多组合调控计算的敏捷组态方法,包括以下步骤:将各类模型算法组件封装为节点库;从节点库中选择一个节点作为流程的起点节点;为起始节点耦合计算对象,并根据规则库校验当前节点与对象耦合是否有效;根据组合需求创建下级节点;为下级节点耦合计算对象;根据组合计算需求,重复步骤循环创建新的下级节点,并完成对应的节点流向和对象耦合校验,直至节点创建完毕;归集节点流的所有输入信息,启动计算任务,输出汇总结果。

    水库防洪调度方案的阶梯状修正方法

    公开(公告)号:CN120013114A

    公开(公告)日:2025-05-16

    申请号:CN202411878968.4

    申请日:2024-12-19

    Abstract: 本发明提供了一种水库防洪调度方案的阶梯状修正方法,包括以下步骤:基于水库防洪调度模型,获得水库各时段出库流量;对出库流量进行平滑处理、计算阶梯窗口内斜率和截距并根据斜率和阶梯窗口内水库允许出库流量操作变幅确定修正方案;根据水库各个阶梯窗口内修正后的各时段新的出库流量生成新的调度方案。本发明通过引入阶梯状修正策略,对水库调度模型求解出的出库流量进行平滑处理,避免了出库流量的突变和锯齿状波动,同时考虑了多种边界条件和影响因素,使得修正后的方案更加符合实际情况,为水库调度提供了更加科学、合理的决策支持。

Patent Agency Ranking