-
公开(公告)号:CN115099497B
公开(公告)日:2023-02-17
申请号:CN202210741890.6
申请日:2022-06-28
申请人: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
IPC分类号: G06Q10/04 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要: 本发明公开了一种基于CNN‑LSTM的实时洪水预报智能方法。本发明基于卷积神经网络(CNN)和长短期记忆(LSTM)网络构建一个用于水文过程预测的深度学习网络(CNN‑LSTM)。在CNN‑LSTM中,CNN用于识别和提取空间降水数据,LSTM用于学习降水与流量之间的时间序列关系。这两个网络使得CNN‑LSTM具有识别空间和时间信息的能力。CNN‑LSTM在水文建模中学习非线性和复杂过程方面具有强大的能力。
-
公开(公告)号:CN115115111A
公开(公告)日:2022-09-27
申请号:CN202210740700.9
申请日:2022-06-28
申请人: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
摘要: 本发明公开了一种基于LSTM的中长期径流预报智能方法。包括以下步骤:步骤1:采用K‑NN模拟气象数据;步骤2:构建基于SWAT模型的流域径流模拟模型:将步骤1中生成的所述模拟气象数据输入SWAT模型,生成相应的模拟径流数据;步骤3:LSTM网络模型的构建,气象数据和径流数据分别作为LSTM网络的输入因子和输出因子;步骤4:将步骤1中生成的模拟气象数据和步骤2中生成的模拟径流数据作为数据集合分成前后两个部分,前一部分对LSTM网络模型进行训练,后一部分对LSTM网络模型进行验证。本方法构建的LSTM网络对流域径流具有很强的模拟能力。为资料短缺地区的径流模拟提供了一种有效的解决方法。
-
公开(公告)号:CN115049292B
公开(公告)日:2023-03-24
申请号:CN202210741864.3
申请日:2022-06-28
申请人: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
IPC分类号: G06Q10/0631 , G06Q10/063 , G06Q10/04 , G06Q50/06 , G06N3/04 , G06N3/088 , G06N3/092
摘要: 本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法,包括:构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈,以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比,本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果,明显优于传统的基于决策树的水库发电调度结果,说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力,在水库调度决策中具有很强的适应能力。
-
公开(公告)号:CN115049292A
公开(公告)日:2022-09-13
申请号:CN202210741864.3
申请日:2022-06-28
申请人: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
摘要: 本发明涉及一种基于DQN深度强化学习算法的单一水库智能防洪调度方法,包括:构建基于人工智能的水库调度“无监督深度学习”模型、以水库发电调度为基础建立DRL的奖励反馈,以及基于水库实测入库径流过程建立针对某水库的调度人工智能专家。与动态规划求解的最优发电调度过程进行对比,本发明所述基于DQN深度强化学习算法的单一水库智能防洪调度方法的发电调度结果,明显优于传统的基于决策树的水库发电调度结果,说明本发明所述水库调度“无监督深度学习”模型具有很强大的学习能力和决策能力,在水库调度决策中具有很强的适应能力。
-
公开(公告)号:CN115099497A
公开(公告)日:2022-09-23
申请号:CN202210741890.6
申请日:2022-06-28
申请人: 中国水利水电科学研究院 , 重庆交通大学 , 淮河水利委员会水文局(信息中心)
摘要: 本发明公开了一种基于CNN‑LSTM的实时洪水预报智能方法。本发明基于卷积神经网络(CNN)和长短期记忆(LSTM)网络构建一个用于水文过程预测的深度学习网络(CNN‑LSTM)。在CNN‑LSTM中,CNN用于识别和提取空间降水数据,LSTM用于学习降水与流量之间的时间序列关系。这两个网络使得CNN‑LSTM具有识别空间和时间信息的能力。CNN‑LSTM在水文建模中学习非线性和复杂过程方面具有强大的能力。
-
公开(公告)号:CN118070502A
公开(公告)日:2024-05-24
申请号:CN202410154126.8
申请日:2024-02-02
申请人: 中国水利水电科学研究院 , 水利部水利水电规划设计总院
摘要: 本发明公开了一种基于抗差微分理论的非线性马斯京根模型参数优化方法,所述方法包括以下步骤:步骤1、构建非线性马斯京根模型;步骤2、设定参数寻优目标函数和参数寻优迭代终止条件;步骤3、生成初始模型参数;步骤4、通过模型计算河段出流序列;步骤5、模型参数寻优;步骤6、计算新的河段出流序列;7、判断是否满足参数寻优迭代终止条件。本发明提出的一种基于抗差微分理论的非线性马斯京根模型参数优化方法,模型参数寻优结果不依赖于参数初始值的选择,可以快速、稳定地寻找到模型参数最优值,且能抵御实测资料中粗差的影响,确保率定方法的稳健性。
-
公开(公告)号:CN113971362A
公开(公告)日:2022-01-25
申请号:CN202111248895.7
申请日:2021-10-26
申请人: 中国水利水电科学研究院 , 水利部发展研究中心
IPC分类号: G06F30/25 , G06F30/28 , G06N3/00 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F111/04 , G06F111/08 , G06F113/08 , G06F119/14
摘要: 本发明公开了一种基于能量准则的混联水库群防洪优化调度方案生成方法,所述方法包括:选择混联水库群以及对应下游保护对象;进行粒子群编码;设置混联水库群中各个水库的约束条件;计算第一代粒子群中各粒子的适应度值;采用基于衰减余弦曲线惯性权值的粒子群算法进行迭代循环并更新粒子;计算新一代粒子群中各粒子的适应度值直至满足优化条件输出混联水库群防洪优化调度方案。本发明采用基于衰减余弦曲线惯性权值的粒子群算法,克服了现有粒子群算法容易陷入局部最优的缺点,增强了全局和局部搜索能力,最终得出的水库群防洪优化调度方案,在保证下游安全的情况下,大幅度减少了防洪水库群调用的流量,大大降低了防洪风险。
-
公开(公告)号:CN111008259A
公开(公告)日:2020-04-14
申请号:CN201911242054.8
申请日:2019-12-06
申请人: 中国水利水电科学研究院
摘要: 本发明公开了一种流域降雨相似性搜索方法,包括以下步骤:1)根据流域的轮廓范围生成栅格矩阵;2)对栅格矩阵进行编码;3)降雨事件划分;4)生成降雨矩阵样本集合;5)生成降雨事件相似性矩阵;6)流域降雨事件相似性搜索,最终获得相似的降雨事件。本发明能够同时考虑降雨的时间、空间分布,计算流域(区域)降雨事件相似性矩阵,利用相似性矩阵搜索相似的降雨事件,为流域的暴雨洪水预警及区域的内涝风险管理提供有力支撑。
-
公开(公告)号:CN106845116A
公开(公告)日:2017-06-13
申请号:CN201710051104.9
申请日:2017-01-23
申请人: 中国水利水电科学研究院
IPC分类号: G06F19/00
CPC分类号: G16Z99/00
摘要: 本发明提供了一种河系的洪水预报系统,包括河系设定模块、数据获取模块、参数率定模块和预报模块,河系设定模块用于设定河系上的所有子流域的上下游拓扑关系;数据获取模块用于获取河系上的所有子流域的实时降雨量值和实时流量值及发生洪水时的历史洪水数据;参数率定模块用于根据发生洪水时的历史洪水数据对预设的预报模型的参数进行率定;预报模块用于根据河系上的所有子流域的上下游拓扑关系、每一个子流域的实时降雨量值和实时流量值、预设的未来降雨量值、预设的每一个子流域的上游子流域水库调度方式、率定后的参数及预报模型,得到河系上所有子流域的预报结果。本发明提供的系统,可同时对一个河系上的多个子流域进行洪水预报,效率较高。
-
公开(公告)号:CN106599461A
公开(公告)日:2017-04-26
申请号:CN201611147441.X
申请日:2016-12-13
申请人: 中国水利水电科学研究院
IPC分类号: G06F17/50
CPC分类号: Y02A10/46 , G06F17/5009 , G06F2217/08
摘要: 本发明提供一种洪水预报的方法及装置,该方法包括:获取预设初始优化参数的多个值及每一个值对应的预设相关参数的多组经验值和对应的预设预报参数的多组经验值,得到预设初始优化参数的每一个值对应的预设预报参数关于相关参数的关系曲线;获取预设优化参数的多个值、对应的不考虑其影响的第一类预设预报参数及考虑其影响的第二类预设预报参数的多组经验值,并得到预设优化参数的每一个值对应的第二类预设预报参数关于第一类预设预报参数的关系曲线;根据预设站点及预设预报时长,获取预设相关参数值、预设初始优化参数值及预设优化参数值,根据上述关系曲线,得到最终预设预报参数值。本发明提供的方法考虑多个优化参数,得到的预报结果较精确。
-
-
-
-
-
-
-
-
-