基于GRU-Seq2Seq的多步长洪水预报方法及装置

    公开(公告)号:CN115330036A

    公开(公告)日:2022-11-11

    申请号:CN202210911929.4

    申请日:2022-07-29

    Applicant: 福州大学

    Abstract: 本发明提供了一种基于GRU‑Seq2Seq的多步长洪水预报方法及装置。在GRU模型的基础之上,对GRU算法进行改进,引入Seq2Seq模型,将实测降雨数据与模拟径流数据一起输入GRU编码器中,获得编码向量,再把编码向量输入GRU解码器,获得预测流量。GRU‑Seq2Seq洪水预报模型能够充分挖掘台风影响下的降雨径流信息,建立准确的多步提前洪水预报模型,解决了多步提前预测中的时滞问题,有效提高洪水预报模型的效果。

    基于GNSS与测量机器人融合的水闸实时监测预警方法

    公开(公告)号:CN115451803B

    公开(公告)日:2024-08-02

    申请号:CN202211139747.6

    申请日:2022-09-19

    Applicant: 福州大学

    Abstract: 本发明提出基于GNSS与测量机器人融合的水闸实时监测预警方法,所述方法先将全球导航卫星系统GNSS对水闸的原始监测数据进行去噪处理,再用去噪后的数据训练BPNN神经网络模型,使神经网络模型能将GNSS监测数据与测量机器人对水闸的监测数据进行融合,当测量机器人无法工作时,神经网络模型基于GNSS对水闸测量的实时低精度数据,模拟得出使用测量机器人对水闸测量的实时高精度数据;本发明能通过GNSS测量的实时低精度数据模拟获得测量机器人的实时高精度数据,即使在台风、暴雨等测量机器人难以准确测量的极端气候,也能实现全天候、高频率的高精度测量。

    基于GNSS与测量机器人融合的水闸实时监测预警方法

    公开(公告)号:CN115451803A

    公开(公告)日:2022-12-09

    申请号:CN202211139747.6

    申请日:2022-09-19

    Applicant: 福州大学

    Abstract: 本发明提出基于GNSS与测量机器人融合的水闸实时监测预警方法,所述方法先将全球导航卫星系统GNSS对水闸的原始监测数据进行去噪处理,再用去噪后的数据训练BPNN神经网络模型,使神经网络模型能将GNSS监测数据与测量机器人对水闸的监测数据进行融合,当测量机器人无法工作时,神经网络模型基于GNSS对水闸测量的实时低精度数据,模拟得出使用测量机器人对水闸测量的实时高精度数据;本发明能通过GNSS测量的实时低精度数据模拟获得测量机器人的实时高精度数据,即使在台风、暴雨等测量机器人难以准确测量的极端气候,也能实现全天候、高频率的高精度测量。

Patent Agency Ranking