一种湖泊水质参数反演方法
    1.
    发明公开

    公开(公告)号:CN118821620A

    公开(公告)日:2024-10-22

    申请号:CN202411295450.8

    申请日:2024-09-18

    摘要: 本发明涉及一种湖泊水质参数反演方法,包括:收集湖泊各站点水质监测数据及湖泊上下游出入湖河流的水文水质监测数据;基于边界条件驱动水生态模型进行湖泊水质参数的时空动态模拟并进行模型率定验证;获取湖泊对应遥感影像数据并确定各个像元的中心坐标,基于像元中心坐标提取水生态模型中对应点处的水质参数模拟数据。将每个像元各波段反射率与其位置相匹配的水生态模型中水质参数模拟值相对应构成训练数据集,采用机器学习模型学习像元各波段反射率与对应位置模拟水质参数的关系;提取湖泊各站点对应的像元各波段反射率,并输入至训练好的机器学习模型中,获得各站点水质参数反演值,并与水质参数实测值对比,分析水质参数反演效果。

    一种零样本入库洪水预测方法
    3.
    发明公开

    公开(公告)号:CN118504430A

    公开(公告)日:2024-08-16

    申请号:CN202410961645.5

    申请日:2024-07-18

    IPC分类号: G06F30/27 G06N3/0442 G01W1/10

    摘要: 本发明涉及一种零样本入库洪水预测方法,其步骤为:收集各个领域包含不同特征的时间序列数据,构成模型预训练数据集;将预训练数据集输入至仅包含解码器的TimeFM模型中,学习各类时间序列数据之间的特征;收集入库洪水数据集,将入库洪水数据集划分为训练集和测试集,无需采用入库洪水训练集对TimeFM模型进行训练,直接在测试集上基于TimeFM模型进行入库洪水的预测;同时,利用入库洪水训练数据集进行常规预测模型LSTM的训练,并基于训练好的LSTM模型在测试集上进行入库洪水预测,评估未采用入库洪水训练集训练的TimeFM模型和采用入库洪水训练集训练的LSTM模型在测试集上的入库洪水预测效果。本发明提出的方法采用零入库洪水样本即可实现入库洪水预报。

    一种水文序列增强及预测方法
    5.
    发明公开

    公开(公告)号:CN116502775A

    公开(公告)日:2023-07-28

    申请号:CN202310762546.X

    申请日:2023-06-27

    摘要: 本发明涉及一种水文序列增强及预测方法,其步骤为:收集研究区域入口流量、出口水位及地形数据,拟合入口流量‑出口水位关系,进行洪水频率分析,构建水动力模型并进行率定验证;采用时间序列生成对抗网络获得入口流量边界合成数据集,选取80%频率以上入口合成流量及对应出口水位作为边界条件驱动水动力模型并获得待预测站点的模拟流量水位数据;利用时间序列生成对抗网络获得与待预测站点的合成流量水位数据;整合模拟数据、合成数据以及监测数据获得待预测站点的增强数据集;基于增强数据集进行水位预测及精度评价。本发明的有益效果是:待预测站点的增强数据能够提升深度学习模型对于流量水位关系的学习能力,提升水位的预测精度。