-
公开(公告)号:CN118940977B
公开(公告)日:2025-01-24
申请号:CN202411426798.6
申请日:2024-10-14
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06Q10/063 , G06Q50/26 , G06F17/11
Abstract: 本发明公开一种基于流域负荷‑湖泊生态模型的城市内湖生态系统韧性表征方法。该方法包括:构建WET模型并与流域负荷模型相耦合;基于WET模型获取的长时间序列城市内湖非生物和生物状态变量,选择参照年份;利用WET模型输出的生物量和能量传递效率,计算表征城市内湖生态系统韧性的指标;建立流域环境与城市内湖生态系统韧性、城市内湖生境与城市内湖生态系统韧性的响应关系,分析判断指标的有效性;以参照年份韧性指标总分值的25%分位数为标准,再对小于25%分位数的分布范围进行四等分,按顺序从高到低定为韧性好、韧性较好、韧性一般、韧性较差、韧性差;本发明能够利用数值模拟实现城市内湖生态系统韧性水平的定量评估。
-
公开(公告)号:CN119150756A
公开(公告)日:2024-12-17
申请号:CN202411649422.1
申请日:2024-11-19
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06F30/28 , G06F30/27 , G06F17/12 , G06N7/01 , G06F113/08 , G06F119/14
Abstract: 本发明公开一种融合二维水动力模型和CA‑Markov的湖泊湿地植物类型预测方法及系统,该方法首先通过建立湖泊湿地二维水动力模型进行水文水动力参数的模拟,计算影响湖泊湿地植物的相关水文情势指标;然后采用高斯函数进行水文情势指标与不同植物类型的关系拟合,获得不同植物类型的水文情势生态阈值;最后,根据当前时期水文情势和植物类型,采用元胞自动机‑马尔科夫方法建立下一时期植物类型的转移矩阵,使用模糊集隶属函数制作水文情势生态阈值适宜性图,并作为转移矩阵的约束条件,最终获得下一时刻植物类型。本发明可为湿地植物精准预测提供重要支撑。
-
公开(公告)号:CN118940977A
公开(公告)日:2024-11-12
申请号:CN202411426798.6
申请日:2024-10-14
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06Q10/063 , G06Q50/26 , G06F17/11
Abstract: 本发明公开一种基于流域负荷‑湖泊生态模型的城市内湖生态系统韧性表征方法。该方法包括:构建WET模型并与流域负荷模型相耦合;基于WET模型获取的长时间序列城市内湖非生物和生物状态变量,选择参照年份;利用WET模型输出的生物量和能量传递效率,计算表征城市内湖生态系统韧性的指标;建立流域环境与城市内湖生态系统韧性、城市内湖生境与城市内湖生态系统韧性的响应关系,分析判断指标的有效性;以参照年份韧性指标总分值的25%分位数为标准,再对小于25%分位数的分布范围进行四等分,按顺序从高到低定为韧性好、韧性较好、韧性一般、韧性较差、韧性差;本发明能够利用数值模拟实现城市内湖生态系统韧性水平的定量评估。
-
公开(公告)号:CN118014189A
公开(公告)日:2024-05-10
申请号:CN202311817085.8
申请日:2023-12-27
Applicant: 水利部交通运输部国家能源局南京水利科学研究院
IPC: G06Q10/063 , G06Q50/26 , G06N20/00 , G06F30/27
Abstract: 本发明公开了一种闸坝控制河流水华调控生态流量的推求方法与系统,包括优势藻种及其关键影响因子识别、水动力‑水环境模型构建、藻类动态模型构建、水华暴发断面判定以及调控流量推求等步骤;本发明耦合水动力‑水环境模型和藻类动态模型,应用机器学习方法通过水动力、水环境、藻类密度/生物量等数据获取藻类特征参数,能够实现闸坝调度下河段藻类沿程动态变化的模拟和预测,在识别对水华暴发或生长速率最快断面的前提下,基于断面水动力特征推求断面控制流量,并可进一步通过水动力模型推求河段上下游闸坝调控流量。本发明可指导闸坝控制河流水华防控生态调度,对流域水生态安全保护及水资源规划配置具有重要的理论与实践意义。
-
公开(公告)号:CN114564883A
公开(公告)日:2022-05-31
申请号:CN202210128616.1
申请日:2022-02-11
Applicant: 水利部交通运输部国家能源局南京水利科学研究院 , 江苏首屏信息产业有限公司
Abstract: 本发明公开了一种融合机理与ML的湖泊叶绿素a短期集合预报方法及系统,首先对月尺度的湖泊叶绿素a浓度数据及其气象和水环境影响因子进行相关性分析识别关键因子。然后建立湖泊藻类动力学机理模型,计算获得湖泊叶绿素a以及关键水环境因子的每日浓度数据。再基于日尺度的叶绿素a及其关键因子的时间序列数据,构建基于机器学习的时间序列预报模型集合,实现叶绿素a的未来数天短期多模式预报。最后结合多组机器学习模型的短期预报结果,建立多元线性回归集合预报方法,实现湖泊叶绿素a的高精度短期集合预报。本发明有效克服了日尺度叶绿素a和水环境因子监测数据缺乏的问题,通过建立多元线性回归集合预报方法,有效提升了预报精度。
-
-
-
-