-
公开(公告)号：CN114997534B
公开(公告)日：2022-10-21
申请号：CN202210909459.8
申请日：2022-07-29
Applicant: 长江水利委员会水文局
IPC: G06Q10/04 , G06Q50/26 , G06V10/74 , G06F16/583 , G06F16/587
Abstract: 本申请公开了一种基于视觉特征的相似降雨预报方法和设备，所述方法包括构建历史降雨图片库，提取历史降雨视觉特征；所述历史降雨视觉特征包括总降雨量、降雨空间分布和降雨中心；构建当前降雨图片集，提取当前降雨视觉特征，对所述历史降雨视觉特征和当前降雨视觉特征的距离进行度量，计算当前降雨视觉特征与每一时期历史降雨视觉特征的降雨相似度；为各个降雨相似度赋予权重，获得综合降雨相似度，并排序输出。本申请可更加直观地展示降雨数据空间特征，同时提高了数据处理的速度和相似度对比的精确度。
-
公开(公告)号：CN114862073B
公开(公告)日：2022-10-14
申请号：CN202210797117.1
申请日：2022-07-08
Applicant: 长江水利委员会水文局
IPC: G06Q10/04 , G06Q50/26 , G06F30/27 , G06F30/28 , G06N3/04 , G06F111/10 , G06F113/08
Abstract: 本发明提供了一种气陆库水四维耦合的中长期径流预报方法，分别建立基于气候模式、串联两参数水量平衡模型、蓄量差值模型、来水合成模型的流域气‑陆‑库‑水计算方案；分别建立气陆、陆库、库水耦合器，通过智能校正、状态判断机、均匀分配等方法，将气候模式格点输出转化为两参数模型的分区输入，将两参数模型流量输出转为水库模型的水位输入，将水库模型的蓄水输出转为来水模型的影响流量输入；利用耦合器将模型耦合，建立中长期径流耦合预报模型，得到实际流量预报值。本发明能够实现旬‑月‑季尺度径流预报，考虑了水库调蓄对径流预报的影响，较常用的方法具有较高的精度，且能够保证水量的平衡。
-
公开(公告)号：CN114862073A
公开(公告)日：2022-08-05
申请号：CN202210797117.1
申请日：2022-07-08
Applicant: 长江水利委员会水文局
IPC: G06Q10/04 , G06Q50/26 , G06F30/27 , G06F30/28 , G06N3/04 , G06F111/10 , G06F113/08
Abstract: 本发明提供了一种气陆库水四维耦合的中长期径流预报方法，分别建立基于气候模式、串联两参数水量平衡模型、蓄量差值模型、来水合成模型的流域气‑陆‑库‑水计算方案；分别建立气陆、陆库、库水耦合器，通过智能校正、状态判断机、均匀分配等方法，将气候模式格点输出转化为两参数模型的分区输入，将两参数模型流量输出转为水库模型的水位输入，将水库模型的蓄水输出转为来水模型的影响流量输入；利用耦合器将模型耦合，建立中长期径流耦合预报模型，得到实际流量预报值。本发明能够实现旬‑月‑季尺度径流预报，考虑了水库调蓄对径流预报的影响，较常用的方法具有较高的精度，且能够保证水量的平衡。
-
公开(公告)号：CN110969312A
公开(公告)日：2020-04-07
申请号：CN201911333247.4
申请日：2019-12-23
Applicant: 长江水利委员会水文局
Abstract: 本发明公开了一种基于变分模态分解和极端学习机的短期径流预测耦合方法，包括以下步骤：通过变分模态分解方法将原始径流序列分解为若干个包含不同水文特征信息的分量径流序列；将每个分量径流序列分别选定影响因子集合，然后构建每个分量径流序列的极端学习机模型，利用正余弦算法对极端学习机模型的计算参数进行优化，并输出每个极端学习机模型的输出值；将输出值进行叠加运算，并输出原始径流序列的预测结果。本发明通过变分模态分解方法、极端学习机模型以及正余弦算法形成短期径流预测耦合方法，能够处理具有高度复杂的动态特的径流过程，大大提高了水文预报中径流预测的精准度。
-
公开(公告)号：CN119358838A
公开(公告)日：2025-01-24
申请号：CN202411587840.2
申请日：2024-11-08
Applicant: 长江水利委员会水文局 , 中国长江电力股份有限公司
IPC: G06Q10/063 , G06Q50/26 , G06F30/28 , G01W1/10 , G06F113/08 , G06F119/14
Abstract: 本发明公开了一种基于耦合气象水文水动力超标准洪水预报预警方法及系统，收集研究区监测站点历史水文数据，筛选超标准洪水气候预警指标，构建超标准洪水气候预警指标图；构建研究区流域拓扑关系，构建洪水演进模型和水文水动力学预报模型，构建流域超标准洪水预报方案体系；构建气象水文水力学耦合流域超标准洪水预报模型；基于超标准洪水预报方案体系求解流域超标准洪水预报模型并结合专家经验实时校正，得到实时更新的流域超标准洪水预报方案。本发明与传统超标准洪水预报预警方法相比，能够在洪水预报精度和预见期等方面满足现代化防灾减灾救灾体系的需求。
-
Patent Agency Ranking
公开(公告)号：CN117807353B
公开(公告)日：2024-09-10
申请号：CN202311853157.4
申请日：2023-12-29
Applicant: 长江水利委员会水文局 , 湖南省常德水文水资源勘测中心
Abstract: 考虑时变径流系数的小型水库纳雨能力动态迭代试算方法，包括如下步骤：步骤1，收集小型水库特征值；步骤2，计算前期影响雨量Pa，并结合最大蓄水容量Im计算纳雨能力试算开始的初始值InitP纳雨；步骤3，根据初始值InitP纳雨和小型水库P‑Pa‑α曲线查算对应的径流系数α查，进而得到纳雨能力计算值CalP纳雨；步骤4，统计纳雨能力计算值CalP纳雨和初始值InitP纳雨之间的差值ΔP纳雨，并根据ΔP纳雨迭代试算纳雨能力。本方法计算结果具有较高精度与可靠性，数据来源稳定可靠，函数关系明确，有利于考虑时变径流系数的小型水库纳雨能力动态迭代试算方法的快速自动执行，同时保证了结果的客观合理性，可以进一步促进小型水库洪水预警预报的深入发展。
-
公开(公告)号：CN117520876A
公开(公告)日：2024-02-06
申请号：CN202410025345.6
申请日：2024-01-08
Applicant: 河海大学 , 长江水利委员会水文局 , 水利部信息中心(水利部水文水资源监测预报中心)
IPC: G06F18/23213 , G06F30/27
Abstract: 本发明公开一种基于相似降雨‑洪水模式匹配的洪水预报智能推荐方法，首先基于现有技术方案构建历史降雨‑洪水关联模式库；然后采用图像特征提取技术提取当前降雨过程的语义特征，从历史降雨‑洪水关联模式库中挖掘和当前降雨模式相似的历史降雨模式集合；并根据历史降雨‑洪水关联模式库中降雨模式与洪水模式间的关联频繁项集，智能优选洪水模式及其对应的洪水过程推荐给用户作为当前降雨过程可能导致的洪水过程。本专利实现了历史场景降雨‑洪水模式库的相似降雨‑洪水模式快速搜索和匹配、智能洪水预报推荐，为相似洪水的挖掘和智能洪水预测提供新的方法和技术支撑。
-
公开(公告)号：CN115759459B
公开(公告)日：2023-07-28
申请号：CN202211527321.8
申请日：2022-12-01
Applicant: 长江水利委员会水文局
Abstract: 本发明提供一种雨水工情耦合的流域洪水流量集合概率智能预报方法，收集历史水文气象实况和降水集合预报数据，依据流域大中型水库节点划分洪水区间，构建流域水文模型和河道汇流模型；提出基于融合相似度自识别的水库调度方案推荐模型，自动推荐水库调度方案；构建降雨输入、调度、水文组合的洪水流量集合概率预报模型，得到洪水流量概率预报结果。本发明实现同时考虑降雨、水库调度、水文模型不确定性的洪水流量集合概率预报，可以更加全面表现预报不确定性和风险信息，便于在生产实践中推广应用。
-
公开(公告)号：CN113159451A
公开(公告)日：2021-07-23
申请号：CN202110521764.5
申请日：2021-05-13
Applicant: 长江水利委员会水文局
Abstract: 本发明公开了一种基于事件知识图谱构建的流域旱涝事件长期预测方法，预测步骤包括如下：S1，数据获取：在进行数据的获取时，可以对两种数据进行获取，一种是结构化数据，另一种是非结构化数据；S2，事件知识抽取：在进行抽取时可以从互联网文献库中抽取相关的事件信息，并进行结构化表示。本发明通过利用知识图谱来构建流域旱涝汛期事件预测模型，再充分利用信息的基础上实现预报的客观化和自动化，无需由人工来进行选取和预测分析工作，这样在预测的过程中就不会受到外部影响因素过多的情况，关系复杂的数据也能够进行较好的处理，利用知识图谱构建的预测方法省时省力，最后得出的预测结果不会存在个人主观的因素，在应用时非常方便。
-
公开(公告)号：CN117522012B
公开(公告)日：2024-07-16
申请号：CN202311447184.1
申请日：2023-11-02
Applicant: 长江水利委员会水文局 , 长江大学
IPC: G06Q10/0631 , G06Q50/06 , G06F30/20 , G06F111/08
Abstract: 一种基于季节周期特性的径流场景生成方法，其包括如下步骤：步骤1，获取Nk年每个季节分成T个时段的径流时序数据#imgabs0#步骤2，获得各季节累积分布函数cdfj；步骤3，扩大原始径流时序数据区间为极端区间；步骤4，将原始径流时序数据#imgabs1#映射至极端区间，得#imgabs2#步骤5，获得各季节各时段累积分布函数cdfj,t；步骤6，选取LHS抽样次数N；步骤7，LHS抽样逆变换；步骤8，量化原始数据各季节波动幅度σj；步骤9，重组抽样数据，得到随机模拟结果。本发明生成的时序场景从上下限区间以及场景波动幅度两方面更加近似于原始场景，可以提高场景模拟的拟真效果和进一步场景提取的合理性，对于制定水库或新能源最优运行策略的方法研究具有重要的推广使用价值。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.027 seconds)
