公开(公告)号：CN117829275A

公开(公告)日：2024-04-05

申请号：CN202311715936.8

申请日：2023-12-13

Applicant: 华中科技大学

Inventor： 郭俊 ,  李昊川 ,  刘懿 ,  常新雨 ,  顾子也 ,  王馨莹 ,  胡海 ,  倪修

IPC: G06N3/126 ,  G06Q50/26 ,  G01W1/10

Abstract: 本发明公开了基于差分进化算法的降雨产流单位线预测方法及系统，通过获取目标流域的降水过程数据以及对应的流量过程数据；根据降水和径流过程的长度确定目标流域的降雨产流单位线的候选长度；将单位线的长度作为待优化的超参数，将单位线过程数据作为待优化变量，通过差分进化算法从所述候选长度中筛选出目标流域的最优降雨产流单位线长度，相比现有技术，本发明将单位线的长度作为待优化的超参数，将单位线过程数据作为待优化变量，利用差分进化算法自动优化得到单位线过程数据，无需经历传统计算方法中的复杂过程，该单位线计算方法计算精度高、鲁棒性好，在单位线过程推导以及应用中具有重要的理论与实践价值。

公开(公告)号：CN119226414B

公开(公告)日：2025-04-15

申请号：CN202411208688.2

申请日：2024-08-30

Applicant: 华中科技大学

Inventor： 郭俊 ,  常新雨 ,  覃晖 ,  刘懿 ,  倪修 ,  胡海

IPC: G06F16/29 ,  G06N3/126 ,  G06N20/20 ,  G06N5/01 ,  G06N3/0442 ,  G06N3/0985 ,  G06N3/047

Abstract: 本发明公开了一种可解释的概念性降雨径流混合预测方法及系统，通过目标流域的气象数据构建GR4J水文模型，利用优化算法获取目标流域的产流中间变量以及径流数据；基于所述气象数据及对应的产流变量数据及径流数据构建初始状态因子集，并采用XGBoost‑SHAP可解释框架对所述状态因子集进行重构；将重构后的状态因子集输入到深度学习时间序列预测模型中进行训练，得到目标流域的预测径流过程，相比现有技术，本发明能大大提高流域径流预测的准确度。

公开(公告)号：CN117592009A

公开(公告)日：2024-02-23

申请号：CN202311578942.3

申请日：2023-11-22

Applicant: 华中科技大学 ,  长江水利委员会长江科学院

Inventor： 郭俊 ,  常新雨 ,  王馨莹 ,  刘懿 ,  覃晖 ,  邹强 ,  卫翔谦 ,  顾子也 ,  任平安 ,  吴江 ,  李昊川 ,  倪修 ,  胡海

IPC: G06F18/27 ,  G06F18/214 ,  G06Q10/0631 ,  G06Q10/0639

Abstract: 本发明涉及径流预报技术领域，公开一种面向径流预报的因子降维及误差校正方法及系统，以显著提高径流预报精度。方法包括：采用皮尔逊相关系数计算数据集中的各预报因子与径流数据的相关系数，筛选出强相关因子集合；采用极限梯度学习树评估强相关因子集中每个因子的预测重要性贡献；构建径流预报模型，以纳什系数越大且均方根误差越小为原则，确定最终的输入维度及径流预报值；采用集合经验模态分解对预报残差进行分解，获取模态分量和剩余分量；采用自回归模型对各个模态分量和剩余分量分别进行预测；将预报残差的各个模态分量和剩余分量进叠加还原，并与原始预测值相加，最终得到经过误差校正后的样本预测值。

公开(公告)号：CN119513599A

公开(公告)日：2025-02-25

申请号：CN202411563821.6

申请日：2024-11-05

Applicant: 华中科技大学

Inventor： 郭俊 ,  胡海 ,  刘懿 ,  顾子也 ,  李昊川 ,  张云康 ,  常新雨 ,  倪修

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  G06Q10/063 ,  G06Q10/04 ,  G06F123/02

Abstract: 本发明提供一种融合时空特征学习的农业干旱预测方法及系统，包括：数据收集及预处理；构建干旱预测模型，包括空间特征提取模块、时空特征学习模块和序列预测模块；构建干旱事件识别预测模型；所述干旱事件识别预测模型对所述序列预测模块预测得到的未来连续M天的标准化土壤湿度指数SMI序列进行分析，提取干旱事件，并分析得到严重干旱事件空间质心移动特征，预测得到未来干旱时空变化情况。本发明综合考虑干旱的时间和空间属性，利用高精度栅格气象数据，并利用多个水文气象要素输入训练好的卷积神经网络与深度学习耦合模型中预测未来干旱指标，在保持模型复杂度在合适范围内的同时高效对干旱进行预警，为干旱防治及水资源管理提供技术指导。

公开(公告)号：CN119226414A

公开(公告)日：2024-12-31

申请号：CN202411208688.2

申请日：2024-08-30

Applicant: 华中科技大学

Inventor： 郭俊 ,  常新雨 ,  覃晖 ,  刘懿 ,  倪修 ,  胡海

IPC: G06F16/29 ,  G06N3/126 ,  G06N20/20 ,  G06N5/01 ,  G06N3/0442 ,  G06N3/0985 ,  G06N3/047

Abstract: 本发明公开了一种可解释的概念性降雨径流混合预测方法及系统，通过目标流域的气象数据构建GR4J水文模型，利用优化算法获取目标流域的产流中间变量以及径流数据；基于所述气象数据及对应的产流变量数据及径流数据构建初始状态因子集，并采用XGBoost‑SHAP可解释框架对所述状态因子集进行重构；将重构后的状态因子集输入到深度学习时间序列预测模型中进行训练，得到目标流域的预测径流过程，相比现有技术，本发明能大大提高流域径流预测的准确度。