-
公开(公告)号：CN114818464A
公开(公告)日：2022-07-29
申请号：CN202210254597.7
申请日：2022-03-15
Applicant: 河海大学
IPC: G06F30/27 , G06F17/16 , G06F119/02
Abstract: 本发明公开一种基于测站的网格雨量计算方法，其目的在于提供获取更加精确空间雨量分布的方法。针对极端降雨引发自然灾害的应急处置，行之有效的方法在于快速准确获取流域内较小粒度的空间降雨分布情况，做出针对性预防措施。网格雨量计算方法包括：对网格气象离散数据进行特征提取；对地面雨量测站结构化数据进行归一化处理；构建多重空间特征拓扑图；建立规则化网格；以上述数据为基础构建网格雨量挖掘模型，获取中小流域内网格雨量分布情况。本发明基于雨量测站数据、网格气象数据，构建多重空间特征拓扑关系，并将其作为图卷积神经网络(GCN)的邻接矩阵，构建基于多重空间特征的网格雨量挖掘模型MS‑GCN，可以更加准确获取中小流域网格雨量分布情况。
-
公开(公告)号：CN112733996B
公开(公告)日：2022-07-12
申请号：CN202110049321.0
申请日：2021-01-14
Applicant: 河海大学
Abstract: 本发明公开一种基于GA‑PSO优化XGBoost的水文时间序列预测方法，采集对应水文站的雨量值及对应水文站的流量，组织成水文时间序列数据集；对数据进行预处理，将样本数据集划分为训练集和测试集；采用改进的GA‑PSO组合优化算法对XGBoost的学习率lr、基学习器个数n_estimators、最小叶子权重min_weights、最大树深max_depth等各项超参进行优化，同时利用样本数据集对XGBoost模型进行训练，最终得到GA‑PSO优化的XGBoost水文时间序列预测模型；对所述GA‑PSO优化的XGBoost水文预测模型进行测试。本发明采用GA‑PSO对XGBoost模型的参数进行优化，利用最优参数得到的模型进行水文预测，准确度更高。
-
公开(公告)号：CN112733996A
公开(公告)日：2021-04-30
申请号：CN202110049321.0
申请日：2021-01-14
Applicant: 河海大学
Abstract: 本发明公开一种基于GA‑PSO优化XGBoost的水文时间序列预测方法，采集对应水文站的雨量值及对应水文站的流量，组织成水文时间序列数据集；对数据进行预处理，将样本数据集划分为训练集和测试集；采用改进的GA‑PSO组合优化算法对XGBoost的学习率lr、基学习器个数n_estimators、最小叶子权重min_weights、最大树深max_depth等各项超参进行优化，同时利用样本数据集对XGBoost模型进行训练，最终得到GA‑PSO优化的XGBoost水文时间序列预测模型；对所述GA‑PSO优化的XGBoost水文预测模型进行测试。本发明采用GA‑PSO对XGBoost模型的参数进行优化，利用最优参数得到的模型进行水文预测，准确度更高。
-
公开(公告)号：CN107145965A
公开(公告)日：2017-09-08
申请号：CN201710228116.4
申请日：2017-04-10
Applicant: 河海大学
Abstract: 本发明涉及一种基于相似度匹配和极限学习机的河流洪水预测方法，首先基于极限学习机模型，获得各个历史洪水样本分别所对应的最优流量预测模型；然后，基于相似度匹配值由大至小顺序，选取预设前K个历史洪水样本，作为各个参考洪水样本；最后，基于实时水流量特征和实时降雨量特征进行流量值预测，并根据所获流量预测值，进行洪水判断。如此，所设计基于相似度匹配和极限学习机的河流洪水预测方法，能够克服现有技术的不足，有效提高河流洪水的实际预报精率。
-
公开(公告)号：CN102945320A
公开(公告)日：2013-02-27
申请号：CN201210421143.0
申请日：2012-10-29
Applicant: 河海大学 , 南京河海科技有限公司
IPC: G06F19/00
Abstract: 本发明公开了一种时间序列数据异常检测方法，包括以下步骤：定义时间序列中数据点di的邻居节点；计算数据点di的邻居节点的均值；计算绝对误差值ei(k)，累积变化量ACi；设定阈值τ，分别比较上述计算得到的绝对误差值ei(k)、累积变化量ACi和阈值τ之间的大小关系：如果ei(k)>τ或ACi>τ，则标记为异常点，否则，保留。本发明还公开一种时间序列数据异常检测装置。本发明的数据点异常的判定和该数据点的邻居节点相关，这体现了“局部”的概念。邻居节点窗口宽度可依据不同时段的具体需求进行动态调整，保证了不同时段情况下的参数局部最优，能有效检测出时间序列中的异常数据，具有广泛的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN102708149A
公开(公告)日：2012-10-03
申请号：CN201210098583.7
申请日：2012-04-01
Applicant: 河海大学
IPC: G06F17/30
Abstract: 本发明公开了一种数据质量管理方法和系统。数据质量管理方法包括如下步骤：质量知识库管理：对数据质量特点分析，预先设置质量问题域、质量维度域、质量规则域和质量标准域；质量信息采集：在质量知识库中选择用户需求的质量维度和质量规则，并从原始数据集中抽取满足用户需求的数据集；数据质量评估：根据采集的质量信息，进行数据质量评估，并根据质量知识库中的质量问题域和质量标准域，生成数据质量报告提交给用户或质量管理人员；数据质量改进：对数据质量评估中检测到的数据质量问题进行修正和改进。本发明立足于水文行业数据处理全过程，致力于整个水文行业数据质量的监控、评估和持续改善。
-
公开(公告)号：CN118212423A
公开(公告)日：2024-06-18
申请号：CN202410635047.9
申请日：2024-05-22
Applicant: 河海大学
IPC: G06V10/26 , G06V20/10 , G06V10/44 , G06V10/54 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/09
Abstract: 本发明公开一种有监督的纹理敏感河道冰情图像语义分割网络方法，对研究河道视频图像进行数据预处理后，高分辨率卷积网络保留浅层纹理细节的基础上增加深层残差块进一步获取更深层的语义信息，并通过空洞空间池化金字塔增加长距空洞采样通道以适应高分辨率卷积网络，将上述结构组合成编码器Encoder进行特征编码；最后以浅层纹理特征融合作为解码器Decoder，使用首层浅层特征进行融合解码；最终实现河道冰情图像的语义分割。本发明提供一种有监督的纹理敏感河冰语义分割网络，实现河道冰情图像的识别和语义分割。
-
公开(公告)号：CN118193207A
公开(公告)日：2024-06-14
申请号：CN202410346011.9
申请日：2024-03-25
Applicant: 河海大学
IPC: G06F9/50 , G06F16/901 , G06F17/16
Abstract: 本发明公开一种基于CUDA(Compute Unified Device Architecture)的网格新安江模型并行计算方法，包括依据流域网格流向信息提取网格演算次序表，实现了数据降维与GPU全局内存的合并访问；从空间离散化角度实现了网格新安江模型蒸散发模块、产流分水源模块、坡地汇流模块、河道汇流模块在英伟达GPU上的并行计算；本发明方法利用英伟达GPU实现了网格新安江模型的并行计算，显著提升了网格新安江模型的计算效率。
-
公开(公告)号：CN115755219B
公开(公告)日：2024-04-02
申请号：CN202211271357.4
申请日：2022-10-18
Applicant: 长江水利委员会水文局 , 河海大学
IPC: G01W1/10 , G01C13/00 , G06N3/0464
Abstract: 本发明公开一种基于STGCN的洪水预报误差实时校正方法及系统，该方法包括：构建预报误差实时校正数据集；对预报误差实时校正数据集进行预处理，提取预报模型输入数据中相关雨量站到预报断面间的流经长度，构建空间邻接矩阵；构建时空图卷积网络模型STGCN，提取误差序列的时序和局部空间特征，构建反映误差序列非线性关系的映射函数；采用改进灰狼优化算法进行参数寻优，构建最优AGWO_STGCN模型；利用预报模型M对实时数据进行预测，利用实时误差校正模型AGWO_STGCN对模型预报误差进行预测，获得最终的预测值。本发明具有更好的预测效果和预测精度，并提高预测模型的泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
83
records
(took 0.025 seconds)
