公开(公告)号：CN115982534B

公开(公告)日：2023-05-26

申请号：CN202310263950.2

申请日：2023-03-18

申请人： 湖北一方科技发展有限责任公司

发明人： 贾克 ,  秦凯 ,  陈春华 ,  史东华 ,  刘迪 ,  唐吴晗 ,  张蕙芸 ,  张堂亮 ,  田野秋杨

IPC分类号： G06F17/16 ,  G06F18/214 ,  G06F18/24 ,  G06N3/04 ,  G06N3/0442 ,  G06N3/084

摘要： 本发明涉及水文数据处理技术领域，公开了一种江河水文监测数据的处理方法，包括：步骤101，生成第一训练集；步骤102，通过第一训练集对第一神经网络模型进行训练；步骤103，生成第二训练集；步骤104，通过第二训练集对LSTM神经网络进行训练；步骤105，将步骤102训练完成的第一神经网络模型与LSTM神经网络获得异构神经网络；步骤106，将待预测样本的数据输入异构神经网络，基于异构神经网络输出预测待预测样本对应的江河区域预测时间之后的候鸟数量；本发明通过预先训练的异构的两类神经网络进行组合获得异构神经网络，通过决策层来对最终进行预测的LSTM神经网络部分的输入池进行处理，基于深度学习的手段来实现对于内陆江河候鸟数量的准确预测。

公开(公告)号：CN112258160A

公开(公告)日：2021-01-22

申请号：CN202011189479.X

申请日：2020-10-30

申请人： 长江水利委员会水文局 ,  武汉伊科诺慧通软件有限公司 ,  湖北一方科技发展有限责任公司

发明人： 欧阳春 ,  陈雅莉 ,  梅军亚 ,  李钰 ,  邹冰玉 ,  周波 ,  谢天雄 ,  陈嘉翰 ,  马丁 ,  高露雄 ,  贾克 ,  刘迪 ,  曾德光 ,  宁晓云 ,  刘泽文

IPC分类号： G06Q10/10 ,  G06F9/54 ,  G06F16/29 ,  G06F16/24 ,  G06F16/248

摘要： 本发明公开了一种基于移动设备的水文测验数据记载与计算方法，包括APP端实测数据录入、Web端测次基本信息录入和服务器端计算。利用移动设备，在外业监测现场，同步完成水文测验数据的完整记载与计算，实现测一个数据，录一个数据，算一个数据，数据直接入库，不再需要重复进行录入；采用“Web+APP/S”结构，将测次基本信息录入工作交给服务器端和Web端，提前在室内完成，支持移动设备录入，使数据录入更为便捷；水文数据记载与计算不受网络限制；水文测验成果检索摆脱地域限制，利用移动端，可随时随地检索，数据展现形式可以为测验人员习惯的原始记载计算表形式，也可为适合终端设备显示的展现形式。

公开(公告)号：CN112258160B

公开(公告)日：2023-04-18

申请号：CN202011189479.X

申请日：2020-10-30

申请人： 长江水利委员会水文局 ,  武汉伊科诺慧通软件有限公司 ,  湖北一方科技发展有限责任公司

发明人： 欧阳春 ,  陈雅莉 ,  梅军亚 ,  李珏 ,  邹冰玉 ,  周波 ,  谢天雄 ,  陈嘉翰 ,  马丁 ,  高露雄 ,  贾克 ,  刘迪 ,  曾德光 ,  宁晓云 ,  刘泽文

IPC分类号： G06Q10/10 ,  G06F9/54 ,  G06F16/29 ,  G06F16/24 ,  G06F16/248

摘要： 本发明公开了一种基于移动设备的水文测验数据记载与计算方法，包括APP端实测数据录入、Web端测次基本信息录入和服务器端计算。利用移动设备，在外业监测现场，同步完成水文测验数据的完整记载与计算，实现测一个数据，录一个数据，算一个数据，数据直接入库，不再需要重复进行录入；采用“Web+APP/S”结构，将测次基本信息录入工作交给服务器端和Web端，提前在室内完成，支持移动设备录入，使数据录入更为便捷；水文数据记载与计算不受网络限制；水文测验成果检索摆脱地域限制，利用移动端，可随时随地检索，数据展现形式可以为测验人员习惯的原始记载计算表形式，也可为适合终端设备显示的展现形式。

公开(公告)号：CN115982534A

公开(公告)日：2023-04-18

申请号：CN202310263950.2

申请日：2023-03-18

申请人： 湖北一方科技发展有限责任公司

发明人： 贾克 ,  秦凯 ,  陈春华 ,  史东华 ,  刘迪 ,  唐吴晗 ,  张蕙芸 ,  张堂亮 ,  田野秋杨

IPC分类号： G06F17/16 ,  G06F18/214 ,  G06F18/24 ,  G06N3/04 ,  G06N3/0442 ,  G06N3/084

摘要： 本发明涉及水文数据处理技术领域，公开了一种江河水文监测数据的处理方法，包括：步骤101，生成第一训练集；步骤102，通过第一训练集对第一神经网络模型进行训练；步骤103，生成第二训练集；步骤104，通过第二训练集对LSTM神经网络进行训练；步骤105，将步骤102训练完成的第一神经网络模型与LSTM神经网络获得异构神经网络；步骤106，将待预测样本的数据输入异构神经网络，基于异构神经网络输出预测待预测样本对应的江河区域预测时间之后的候鸟数量；本发明通过预先训练的异构的两类神经网络进行组合获得异构神经网络，通过决策层来对最终进行预测的LSTM神经网络部分的输入池进行处理，基于深度学习的手段来实现对于内陆江河候鸟数量的准确预测。