-
公开(公告)号:CN114186507A
公开(公告)日:2022-03-15
申请号:CN202111401550.0
申请日:2021-11-19
Applicant: 中国水利水电科学研究院 , 水利部水利水电规划设计总院
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种基于WEP分布式水文模型的河川基流分析方法,属于水文技术分析领域。本发明本发明基于具有物理机制的分布式水文模型WEP,其能直接考虑各水文要素的相互作用及其时空变异规律,从水循环的动力学机制来描述流域水文问题能够分析流域下垫面变化后的产汇流变化规律,基流作为水文循环的重要组成部分,WEP模型也可以有效模拟其变化过程。本发明对分布式水文模型WEP输出结构进行了改进,使模型能够输出逐日基流量数据,使得基流计算结果具有水文循环的物理基础;弥补了传统基流计算方式在缺资料地区不能计算的缺陷;为评估历史基流量变化贡献,和未来恢复基流量提供评估方法。
-
公开(公告)号:CN116305757A
公开(公告)日:2023-06-23
申请号:CN202211650276.5
申请日:2022-12-21
Applicant: 天津科技大学 , 中国水利水电科学研究院 , 水利部水利水电规划设计总院
IPC: G06F30/20 , G06F111/10 , G06F119/02
Abstract: 本发明涉及一种基于SWAT和PLUS分析不同情景下农业面源污染的方法,属于生态环境修复领域。本发明精确识别不同土地利用情景下研究区农业面源的关键源区以及污染物数量的变化,量化分析不同土地利用情景下农业面源污染的变化量,可为区域农业面源污染防治及土地利用优化提供决策参考,支撑区域生态环境修复。本发明具有如下特点:一是机理性强,采用具有物理机制的SWAT模型,能够实现对农业面源污染的量化模拟;二是适用范围广,适用于不同土地利用情景、不同气候水文条件、不同污染状况,也可应用于缺少面源污染物观测资料的地区;三是精度较高,实现了不同情景下面源污染的来源、迁移、转化等过程模拟和平衡分析,具有较好的精度和可靠性。
-
公开(公告)号:CN114186507B
公开(公告)日:2023-01-13
申请号:CN202111401550.0
申请日:2021-11-19
Applicant: 中国水利水电科学研究院(CN) , 水利部水利水电规划设计总院(CN)
IPC: G06F30/28 , G06F113/08 , G06F119/14
Abstract: 本发明涉及一种基于WEP分布式水文模型的河川基流分析方法,属于水文技术分析领域。本发明本发明基于具有物理机制的分布式水文模型WEP,其能直接考虑各水文要素的相互作用及其时空变异规律,从水循环的动力学机制来描述流域水文问题能够分析流域下垫面变化后的产汇流变化规律,基流作为水文循环的重要组成部分,WEP模型也可以有效模拟其变化过程。本发明对分布式水文模型WEP输出结构进行了改进,使模型能够输出逐日基流量数据,使得基流计算结果具有水文循环的物理基础;弥补了传统基流计算方式在缺资料地区不能计算的缺陷;为评估历史基流量变化贡献,和未来恢复基流量提供评估方法。
-
公开(公告)号:CN119272035A
公开(公告)日:2025-01-07
申请号:CN202411343493.9
申请日:2024-09-25
Applicant: 中国水利水电科学研究院 , 宁波市水资源信息管理中心 , 四川水发勘测设计研究有限公司 , 江西省水利科学院 , 淳安县水利水电局
IPC: G06F18/2132 , G06F18/10 , G06F18/25
Abstract: 本发明提供了一种取水户与河流断面关联关系的自动判别方法,涉及水利水资源技术领域,该方法包括获取覆盖研究区的数字高程数据,并对其进行预处理;计算栅格单元的流向,并遍历栅格单元,自动生成断面的汇流范围,并分配唯一标识符,生成断面汇流范围栅格数据;将取水口数据的坐标系统转化为与研究区数字高程数据一致,为每个取水口分配唯一标识符,并将取水户点数据转换为与栅格单元具有相同分辨率的栅格单元数据,并根据取水口ID对栅格单元进行赋值;根据生成的断面汇流范围栅格数据和赋值结果,判别取水户位置和断面汇流范围的空间关联关系。本发明可批量判断断面汇流范围内分布的取水户。
-
公开(公告)号:CN119377676A
公开(公告)日:2025-01-28
申请号:CN202411493893.8
申请日:2024-10-24
Applicant: 中国水利水电科学研究院 , 宁波市水资源信息管理中心(宁波市境外引水管理中心) , 淳安县千岛湖生态综合保护局(淳安县水利水电局)
IPC: G06F18/214 , G06F18/213 , G06F18/243 , G06N20/20
Abstract: 本发明公开一种基于机器学习的CMIP日尺度降水数据模式集合生成方法,包括以下步骤:步骤1、收集数据:收集研究区域历史日尺度降水数据;步骤2、构建训练样本:将中心栅格与筛选后周边栅格的多模式月尺度降水数据和降水年内分布特征为样本特征,对应观测降水数据为样本标签,构建训练样本;步骤3、模型训练:以步骤2构建的训练样本逐栅格训练随机森林回归模型;以历史日尺度有无雨数据作为训练样本逐栅格训练随机森林分类模型;步骤4、生成日尺度降水数据模式集合:基于有雨日的月内降水权重,将月尺度降水数据展布到日尺度降水数据。本发明所述方法考虑了不同模式之间的性能差异,能够更加准确的反映时空异质性,有效提高了模拟精度。
-
-
-
-