-
公开(公告)号：CN119150249A
公开(公告)日：2024-12-17
申请号：CN202411162829.1
申请日：2024-08-23
Applicant: 河海大学
IPC: G06F18/27 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08 , G01W1/10
Abstract: 本发明公开了一种基于深度学习融合的降水分级动态预测模型设计方法及装置，方法包括：S1、将降水按照量级进行等级划分；S2、针对不同等级的降水分别识别气候驱动因子；S3、建立不同等级降水和气候驱动因子序列的时变累积分布函数；S4、基于时变累积分布函数，建立深度学习融合模型，预测未来降水。本发明能够提高气候系统预测因子的可信度，揭示不同等级降水气候驱动因子及其响应规律，大幅提高了降水预测能力和准确性。
-
公开(公告)号：CN108898250B
公开(公告)日：2021-10-29
申请号：CN201810693575.4
申请日：2018-06-29
Applicant: 河海大学
IPC: G06Q10/04
Abstract: 本发明提供了一种基于D藤copula函数的月径流模拟方法，采用图形方法构建月径流密度分布函数拟合模型，采用混合D藤copula函数构建各月月径流相依结构模拟模型，采用基于Kendall系数的相关度检验法确定各月径流混合D藤copula维度，采用基于极大似然法和AIC法的有序法推求D藤copula参数，采用条件函数构建基于条件混合D藤copula联合分布函数的月径流模拟模型。本发明构建了基于混合D藤copula的月径流模拟模型，该模型依据Kendall’s tau值构建各月的相关结构，置信值在95%以上即为相关，采用混合D藤copula计算相关结构，克服了传统模型线性和稳态等问题，模拟结果更准确可靠。
-
公开(公告)号：CN119442185B
公开(公告)日：2025-04-04
申请号：CN202510027912.6
申请日：2025-01-08
Applicant: 河海大学 , 水利部水利水电规划设计总院
IPC: G06F18/27 , G06F18/2431 , G06F18/214 , G06F17/18
Abstract: 本发明公开了一种基于LASSO对数回归的古径流重构方法，基于树木年轮的古径流重构方法。针对径流重构的长度和精确度问题，本发明创建前向分层嵌套法和具有树轮信息优选能力的LASSO对数回归非线性重建模型。首先依据树轮年表起始年份划分重构嵌套层，充分利用时间跨度较长的树轮信息，然后利用LASSO对数回归非线性模型，在确定各嵌套层全局最优树轮主成分子集的基础上重建古径流，提高重构精度。
-
公开(公告)号：CN119442185A
公开(公告)日：2025-02-14
申请号：CN202510027912.6
申请日：2025-01-08
Applicant: 河海大学 , 水利部水利水电规划设计总院
IPC: G06F18/27 , G06F18/2431 , G06F18/214 , G06F17/18
Abstract: 本发明公开了一种基于LASSO对数回归的古径流重构方法，基于树木年轮的古径流重构方法。针对径流重构的长度和精确度问题，本发明创建前向分层嵌套法和具有树轮信息优选能力的LASSO对数回归非线性重建模型。首先依据树轮年表起始年份划分重构嵌套层，充分利用时间跨度较长的树轮信息，然后利用LASSO对数回归非线性模型，在确定各嵌套层全局最优树轮主成分子集的基础上重建古径流，提高重构精度。
-
公开(公告)号：CN119207559A
公开(公告)日：2024-12-27
申请号：CN202411162831.9
申请日：2024-08-23
Applicant: 河海大学
IPC: G16B20/50 , G16B30/00 , G06F18/21 , G06F18/27 , G06F123/02
Abstract: 本发明公开了一种基于前向分解的复杂时间序列复合突变识别方法及装置，包括：构建复杂时间序列的复合突变逐层前向分解识别模型；对复杂时间序列进行均值突变分析得到均值突变点；分解剥离均值突变过程，得到去均值突变序列，进行变率突变分析，识别变率突变点；进一步分解剥离变率突变过程，得到去变率突变序列，进行转折突变分析，识别转折突变点。本发明通过逐层进行上层突变过程分解剥离、该层突变点识别、该层突变过程分析，逐步消除上层突变对下层突变分析的影响，揭示时间序列中隐藏的多种突变并提高其识别精度。
-
Patent Agency Ranking
公开(公告)号：CN117828264A
公开(公告)日：2024-04-05
申请号：CN202410033920.7
申请日：2024-01-10
Applicant: 河海大学
Abstract: 本发明公开了一种考虑气候变化影响的高寒区日径流区间预测方法及系统，方法包括：收集水文气象资料，划分水文单元并构建各单元水系拓扑关系；构建三水源新安江模型以便后续应用于各个水文单元；基于度日因子法构建融雪模块嵌入到新安江模型中，将流域积雪及融雪径流纳入流域降水‑径流的计算中；基于水文统计法构建不确定性模块，筛选出适用于流域的模型有效参数集并驱动模型输出预测流量集，进而估算一定置信水平的预测流量区间，作为日径流区间预测结果。本发明有效刻画了水文气象不确定性对径流变化的影响，并弥补了传统水文模型在高寒地区高水流量方面预测效果较差的不足，可以为高寒地区的水资源管理、梯级水库群调度提供技术支撑。
-
公开(公告)号：CN109388847B
公开(公告)日：2022-09-23
申请号：CN201810975766.X
申请日：2018-08-24
Applicant: 河海大学
IPC: G06F30/20
Abstract: 本发明公开了一种径流变化归因技术综合选择方法，包括如下步骤：建立目标区域水文气象数据库；时间序列分段分析，确定降水、潜在蒸散发和径流的变化特征；构造判定集合，选择最适合的径流变化归因技术；径流变化归因分析计算。本发明根据目标区域水文气象数据库，分析环境变化特征，并基于现有的三类径流变化归因技术，选择最适合目标区域的技术对径流变化归因分析，获得的结果充分考虑了目标区域环境变化特征。
-
公开(公告)号：CN107341318B
公开(公告)日：2020-07-24
申请号：CN201710580219.7
申请日：2017-07-17
Applicant: 河海大学
Abstract: 本发明公开了一种基于全河的月径流时间位移二维矩阵的模拟方法，其特征是，包括如下步骤：（1）构建一种基于阿基米德Copula及人工神经网络的三层模拟模型；（2）构建基于对称阿基米德Copula的单站点月径流时间序列模拟模型以及基于非对称阿基米德Copula的多站点月径流联合分布模拟模型；（3）用Kendall系数采转换法计算参数；（4）构建基于人工神经网络的沿河月径流位移序列的模拟模型。优点：丰富了中长期水文预报的模型库，该模型不仅可模拟单站点的月径流时间序列、多站点的月经列联合分布，还可以模拟时间位移双变量的月径流二维矩阵；合理地描述时间和空间相关结构。
-
公开(公告)号：CN109388847A
公开(公告)日：2019-02-26
申请号：CN201810975766.X
申请日：2018-08-24
Applicant: 河海大学
IPC: G06F17/50
Abstract: 本发明公开了一种径流变化归因技术综合选择方法，包括如下步骤：建立目标区域水文气象数据库；时间序列分段分析，确定降水、潜在蒸散发和径流的变化特征；构造判定集合，选择最适合的径流变化归因技术；径流变化归因分析计算。本发明根据目标区域水文气象数据库，分析环境变化特征，并基于现有的三类径流变化归因技术，选择最适合目标区域的技术对径流变化归因分析，获得的结果充分考虑了目标区域环境变化特征。
-
公开(公告)号：CN108898250A
公开(公告)日：2018-11-27
申请号：CN201810693575.4
申请日：2018-06-29
Applicant: 河海大学
IPC: G06Q10/04
Abstract: 本发明提供了一种基于D藤copula函数的月径流模拟方法，采用图形方法构建月径流密度分布函数拟合模型，采用混合D藤copula函数构建各月月径流相依结构模拟模型，采用基于Kendall系数的相关度检验法确定各月径流混合D藤copula维度，采用基于极大似然法和AIC法的有序法推求D藤copula参数，采用条件函数构建基于条件混合D藤copula联合分布函数的月径流模拟模型。本发明构建了基于混合D藤copula的月径流模拟模型，该模型依据Kendall’s tau值构建各月的相关结构，置信值在95%以上即为相关，采用混合D藤copula计算相关结构，克服了传统模型线性和稳态等问题，模拟结果更准确可靠。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
