-
公开(公告)号：CN118709869B
公开(公告)日：2025-03-04
申请号：CN202411197834.6
申请日：2024-08-29
Applicant: 浙江大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06Q10/04 , G06Q50/06 , G06F18/243 , G06N20/20 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种台风期间的停电时空序列预测方法，包括：S1、数据收集；S2、对数据进行前处理：将目标区域划分为网格单元，将收集的数据按照网格单元进行赋值，得到目标区域的数据集；S3、创建训练集，通过随机森林分类模型对训练集进行处理，并基于门控循环单元模型和随机森林分类模型构建停电时间序列预测模型；S4、模型训练：通过处理后的训练集对停电时间序列预测模型中的门控循环单元模型进行训练，通过处理前的训练集对停电时间序列预测模型中的随机森林分类模型进行训练；S5、模型测试：对停电时间序列预测模型进行时空序列预测测试。本发明可在台风登陆前进行大面积停电的时间和空间预测，预测准确度高。
-
公开(公告)号：CN118709869A
公开(公告)日：2024-09-27
申请号：CN202411197834.6
申请日：2024-08-29
Applicant: 浙江大学 , 国网浙江省电力有限公司电力科学研究院
IPC: G06Q10/04 , G06Q50/06 , G06F18/243 , G06N20/20 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种台风期间的停电时空序列预测方法，包括：S1、数据收集；S2、对数据进行前处理：将目标区域划分为网格单元，将收集的数据按照网格单元进行赋值，得到目标区域的数据集；S3、创建训练集，通过随机森林分类模型对训练集进行处理，并基于门控循环单元模型和随机森林分类模型构建停电时间序列预测模型；S4、模型训练：通过处理后的训练集对停电时间序列预测模型中的门控循环单元模型进行训练，通过处理前的训练集对停电时间序列预测模型中的随机森林分类模型进行训练；S5、模型测试：对停电时间序列预测模型进行时空序列预测测试。本发明可在台风登陆前进行大面积停电的时间和空间预测，预测准确度高。
-
公开(公告)号：CN117494586B
公开(公告)日：2024-04-30
申请号：CN202311856553.2
申请日：2023-12-29
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/28 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种基于深度学习的山洪时空预测方法，包括：通过栅格式SCS水文模型模拟目标区域的山洪产流过程；通过LISFLOOD‑FP水动力模型模拟山洪淹没过程；创建物理模拟的降雨‑山洪数据集；基于Pytorch深度学习框架构建山洪时空预测代理模型；通过降雨‑山洪数据集，对山洪时空预测代理模型进行训练和测试。本发明基于深度学习方法构建了山洪时空预测代理模型，通过在水文和水动力模型模拟的大量降雨和对应山洪淹没数据样本中训练学习，拟合降雨到山洪之间的复杂非线性关系，完成针对山洪时空预测任务的物理模型代理，可根据降雨时间序列，快速并精确地预测山洪淹没的时空变化过程，服务于山洪灾害的短时临近预报任务。
-
公开(公告)号：CN117494586A
公开(公告)日：2024-02-02
申请号：CN202311856553.2
申请日：2023-12-29
Applicant: 浙江大学
IPC: G06F30/27 , G06F30/28 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种基于深度学习的山洪时空预测方法，包括：通过栅格式SCS水文模型模拟目标区域的山洪产流过程；通过LISFLOOD‑FP水动力模型模拟山洪淹没过程；创建物理模拟的降雨‑山洪数据集；基于Pytorch深度学习框架构建山洪时空预测代理模型；通过降雨‑山洪数据集，对山洪时空预测代理模型进行训练和测试。本发明基于深度学习方法构建了山洪时空预测代理模型，通过在水文和水动力模型模拟的大量降雨和对应山洪淹没数据样本中训练学习，拟合降雨到山洪之间的复杂非线性关系，完成针对山洪时空预测任务的物理模型代理，可根据降雨时间序列，快速并精确地预测山洪淹没的时空变化过程，服务于山洪灾害的短时临近预报任务。
-
-
-
Search Results
4
records
(took 0.011 seconds)
