龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：河海大学
摘要：本发明公开了一种基于静态物理特征增强和区域模型的径流预测方法，收集区域内所有中小流域的静态物理特征，以及典型历史洪水过程中监测到的时序数据和各个测站的气候数据；并对数据进行处理；构建基于静态物理特征增强的洪水预报模型SE‑LSTM，包括编码器和解码器，其中编码器Encoder采用Bi‑LSTM作为骨架，学习过去监测值和未来预报值对当前时刻流量的影响；编码器中的静态特征融合模块SFU放大每个时刻对流量影响最大的流域静态特征；解码器Decoder采用LSTM作为骨架处理输入，利用编码器中学习到的模式进行预测。本发明能够有效的利用各个小流域的静态特征，学习各个流域中径流模式，使其在面对极端事件的时候有更好的预测精度。
主权项：1.一种基于静态物理特征增强和区域模型的径流预测方法，其特征在于，包括以下步骤：1收集区域内所有中小流域的静态物理特征，以及典型历史洪水过程中监测到的时序数据和各个测站的气候数据；2采用标准差归一化对时序数据进行归一化处理，并采用马氏距离计算方式，基于时序数据、气候数据以及静态物理特征，按照一定的阈值筛选出相似流域；3对筛选出来的流域中的静态物理特征进行处理，将不同维度的静态物理特征嵌入到与时序数据相同的维度空间中；4构建基于静态物理特征增强的洪水预报模型SE-LSTM，包括编码器和解码器，其中编码器Encoder采用Bi-LSTM作为骨架，学习过去监测值和未来预报值对当前时刻流量的影响；编码器中的静态特征融合模块SFU放大每个时刻对流量影响最大的流域静态特征；解码器Decoder采用LSTM作为骨架处理输入，利用编码器中学习到的模式进行预测；5将经过步骤2和步骤3处理后的数据按一定的比例划分成训练集、验证集和测试集；用训练集和验证集训练模型，优化洪水预报模型SE-LSTM内部权重参数；6用测试集测试训练好的洪水预报模型SE-LSTM，使用预测流量值和真实流量值进行比较评估洪水预报模型SE-LSTM性能。
全文数据：
权利要求：
百度查询： 河海大学 一种基于静态物理特征增强和区域模型的径流预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号