CN109902867A - 水位预测及测量控制方法 - Google Patents
水位预测及测量控制方法 Download PDFInfo
- Publication number
- CN109902867A CN109902867A CN201910138884.XA CN201910138884A CN109902867A CN 109902867 A CN109902867 A CN 109902867A CN 201910138884 A CN201910138884 A CN 201910138884A CN 109902867 A CN109902867 A CN 109902867A
- Authority
- CN
- China
- Prior art keywords
- water flow
- remittance
- control
- strategy
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 434
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000005259 measurement Methods 0.000 title claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims abstract description 126
- 239000011159 matrix material Substances 0.000 claims abstract description 95
- 230000008676 import Effects 0.000 claims abstract description 81
- 238000012549 training Methods 0.000 claims abstract description 51
- 238000011144 upstream manufacturing Methods 0.000 claims description 54
- 230000001105 regulatory effect Effects 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 17
- 230000001276 controlling effect Effects 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 9
- 238000012935 Averaging Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000011217 control strategy Methods 0.000 claims description 4
- 230000002262 irrigation Effects 0.000 claims 2
- 238000003973 irrigation Methods 0.000 claims 2
- 238000003860 storage Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本申请实施例提供了一种水位预测及测量控制方法及系统，通过预先训练汇入分段控制策略预测矩阵，在此基础上获取各个水流检测装置检测到的水流数据，并根据预设的水位控制状态数据库对水流数据进行分析，划分主水道水流状态和汇入分段水流状态，采用上述预先训练的汇入分段控制策略预测矩阵选择主水道水流状态和汇入分段水流状态下的汇入分段控制策略，根据水位测量控制量生成对应的水位测量控制指令，并将水位测量控制指令发送给对应的水位测量控制装置以使水位测量控制装置根据水位测量控制指令执行水位测量控制。由此，能够针对不同汇入分段和主水道排水段的水流状态进行针对性地测量控制，从而准确可靠地进行防洪调度，保证人们群众的生命安全。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种水位预测及测量控制方法及系统。
背景技术
排水系统是城市建设、环境保护、防洪排涝的重要基础设施，建立城市排水管网水位信息监测系统，为城市排水管理者提供实时观察排水管网水位变化、分析排水管网动态运行状况的管理平台，已经成为现代城市排水管理的紧迫需求。
在实际排水设计中，一般都会设计主水道排水段和汇入分段排水道，主水道排水道的相应位置（例如排水量较大的位置）处与各个汇入分段排水道进行连通。然而目前针对各个汇入分段缺乏合适的水位预测及测量控制控制，至今仍不得不由专职人员定期或根据需要采用手工方式测量和记录水位，导致信息的实时性不高，无法针对不同汇入分段和主水道排水段的水流状态进行针对性地测量控制，从而难以准确可靠地进行防洪调度，影响人们群众的生命安全。
发明内容
有鉴于此，本申请实施例的目的在于提供一种水位预测及测量控制方法及系统，能够针对不同汇入分段和主水道排水段的水流状态进行针对性地测量控制，从而准确可靠地进行防洪调度，保证人们群众的生命安全。
根据本申请实施例的一个方面，提供一种电子设备，可以包括一个或多个存储介质和一个或多个与存储介质通信的处理器。一个或多个存储介质存储有处理器可执行的机器可读指令。当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行所述机器可读指令，以执行水位预测及测量控制方法。
根据本申请实施例的另一方面，提供一种水位预测及测量控制方法，应用于服务器，所述服务器与各个灌溉区域的每个水流汇入分段上设置的水流检测装置及对应的水位控制路段上设置的各个水位测量控制装置通信连接，所述方法包括：
预先训练汇入分段控制策略预测矩阵，具体包括：获取在预设时间段内每个水流汇入分段的水流数据；确定用于训练所述汇入分段控制策略预测矩阵的汇入分段控制状态数据库，所述汇入分段控制状态数据库包括水流状态集和水流动作集，所述水流状态集包括用于描述各个不同水流状态的变量信息，所述水流状态集包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度，所述水流动作集包括不同状态下的水位测量调节量；根据所述汇入分段控制状态数据库确定主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量；根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值；根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵；
获取所述各个水流检测装置检测到的水流数据；
根据预设的水位控制状态数据库对所述水流数据进行分析，划分主水道水流状态和汇入分段水流状态；
采用上述预先训练的汇入分段控制策略预测矩阵选择所述主水道水流状态和所述汇入分段水流状态下的汇入分段控制策略，所述汇入分段控制策略包括水位测量控制量；
根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给对应的水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制。
在一种可能的实施方式中，所述根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的步骤，包括：
根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量确定当前的水流流量增长状态；根据所述当前的水流流量增长状态确定对应的奖励值或者惩罚值；根据确定的奖励值或者惩罚值以及所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量，计算得到各个状态下的状态行为回报函数值。
在一种可能的实施方式中，所述根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的计算公式包括：dout(t))]+(qout(t)-din(t))+-[(qin(t)=r(t)，其中，r(t)为状态行为回报函数值，qin(t)为所述主水道上游主线进入水流混合区的水流量，din(t)为t水流控制周期进入汇入分段的水流量，qout(t)为主水道下游主线流离水流混合区的水流量，dout(t)为t水流控制周期流离汇入分段的水流量。
在一种可能的实施方式中，所述根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵的步骤，包括：初始化初始汇入分段控制策略预测矩阵中的核心矩阵Q值，所述核心矩阵Q值用于表征不同水流状态下选择不同汇入分段控制策略的回报率，其中，所述汇入分段控制策略包括汇入分段调节量；根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率；执行每个汇入分段控制策略，并计算执行每个汇入分段控制策略后的状态行为回报函数值以及执行后更新的水流状态；根据执行的汇入分段控制策略、所述状态行为回报函数值以及所述执行后更新的水流状态更新每个水流状态下的核心矩阵Q值，并返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，判断是否达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵Q值是否收敛；若判定所述核心矩阵Q值收敛，则将每个水流状态下的最大核心矩阵Q值对应的汇入分段控制策略作为每个水流状态下的最优汇入分段控制策略，以训练得到汇入分段控制策略预测矩阵，所述汇入分段控制策略预测矩阵包括各个不同水流状态下的汇入分段控制策略。
在一种可能的实施方式中，所述根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给所述水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制的步骤之后，所述方法还包括：根据所述水位测量控制量以及所述水位测量控制装置根据所述汇入分段控制指令执行对应的水位测量控制之后所述各个水流检测装置检测到的水流数据返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，继续训练所述汇入分段控制策略预测矩阵。
根据本申请实施例的另一方面，提供一种水位预测及测量控制装置，应用于服务器，所述服务器与各个灌溉区域的每个水流汇入分段上设置的水流检测装置及对应的水位控制路段上设置的各个水位测量控制装置通信连接，所述装置包括：
训练模块，用于预先训练汇入分段控制策略预测矩阵，具体包括：获取在预设时间段内每个水流汇入分段的水流数据；确定用于训练所述汇入分段控制策略预测矩阵的汇入分段控制状态数据库，所述汇入分段控制状态数据库包括水流状态集和水流动作集，所述水流状态集包括用于描述各个不同水流状态的变量信息，所述水流状态集包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度，所述水流动作集包括不同状态下的水位测量调节量；根据所述汇入分段控制状态数据库确定主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量；根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值；根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵；
获取模块，用于获取所述各个水流检测装置检测到的水流数据；
划分模块，用于根据预设的水位控制状态数据库对所述水流数据进行分析，划分主水道水流状态和汇入分段水流状态；
选择模块，用于采用上述预先训练的汇入分段控制策略预测矩阵选择所述主水道水流状态和所述汇入分段水流状态下的汇入分段控制策略，所述汇入分段控制策略包括水位测量控制量；
发送模块，用于根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给对应的水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制。
根据本申请实施例的另一方面，提供一种可读存储介质，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行上述的水位预测及测量控制方法的步骤。
基于上述任一方面，本申请实施例通过预先训练汇入分段控制策略预测矩阵，在此基础上获取各个水流检测装置检测到的水流数据，并根据预设的水位控制状态数据库对水流数据进行分析，划分主水道水流状态和汇入分段水流状态，采用上述预先训练的汇入分段控制策略预测矩阵选择主水道水流状态和汇入分段水流状态下的汇入分段控制策略，根据水位测量控制量生成对应的水位测量控制指令，并将水位测量控制指令发送给对应的水位测量控制装置以使水位测量控制装置根据水位测量控制指令执行水位测量控制。由此，能够针对不同汇入分段和主水道排水段的水流状态进行针对性地测量控制，从而准确可靠地进行防洪调度，保证人们群众的生命安全。
为使本申请实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的服务器的示例性硬件和软件组件的示意图；
图2示出了本申请实施例所提供的水位预测及测量控制方法的流程示意图；
图3示出了本申请实施例所提供的水位预测及测量控制装置的功能模块框图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，应当理解，本申请中附图仅起到说明和描述的目的，并不用于限定本申请的保护范围。另外，应当理解，示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请实施例的一些实施例实现的操作。应该理解，流程图的操作可以不按顺序实现，没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外，本领域技术人员在本申请内容的指引下，可以向流程图添加一个或多个其他操作，也可以从流程图中移除一个或多个操作。
另外，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1示出了本申请一些实施例提供的服务器100的示例性硬件和软件组件的示意图。例如，处理器120可以用于服务器100上，并且用于执行本申请中的功能。
服务器100可以是通用计算机或特殊用途的计算机，两者都可以用于实现本申请的水位预测及测量控制方法。本申请尽管仅示出了一个计算机，但是为了方便起见，可以在多个类似平台上以分布式方式实现本申请描述的功能，以均衡处理负载。
例如，服务器100可以包括连接到网络的网络端口110、用于执行程序指令的一个或多个处理器120、通信总线130、和不同形式的存储介质140，例如，磁盘、ROM、或RAM，或其任意组合。示例性地，计算机平台还可以包括存储在ROM、RAM、或其他类型的非暂时性存储介质、或其任意组合中的程序指令。根据这些程序指令可以实现本申请的方法。服务器100还包括计算机与其他输入输出设备（例如键盘、显示屏）之间的输入/输出（Input/Output，I/ O）接口150。
为了便于说明，在服务器100中仅描述了一个处理器。然而，应当注意，本申请中的服务器100还可以包括多个处理器，因此本申请中描述的一个处理器执行的步骤也可以由多个处理器联合执行或单独执行。例如，若服务器100的处理器执行步骤A和步骤B，则应该理解，步骤A和步骤B也可以由两个不同的处理器共同执行或者在一个处理器中单独执行。例如，第一处理器执行步骤A，第二处理器执行步骤B，或者第一处理器和第二处理器共同执行步骤A和B。
图2示出了本申请一些实施例提供的水位预测及测量控制方法的流程示意图，该水位预测及测量控制方法可由图1中所示的服务器100执行。应当理解，在其它实施例中，本实施例所述的水位预测及测量控制方法其中部分步骤的顺序可以根据实际需要相互交换，或者其中的部分步骤也可以省略或删除。该水位预测及测量控制方法的详细步骤介绍如下。
步骤S110，预先训练汇入分段控制策略预测矩阵。
在一个可能的示例中，首先，获取在预设时间段内每个水流汇入分段的水流数据；确定用于训练所述汇入分段控制策略预测矩阵的汇入分段控制状态数据库，所述汇入分段控制状态数据库包括水流状态集和水流动作集，所述水流状态集包括用于描述各个不同水流状态的变量信息，所述水流状态集包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度，所述水流动作集包括不同状态下的水位测量调节量；根据所述汇入分段控制状态数据库确定主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量；根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值；根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵。
详细地，根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的步骤，可以包括：
根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量确定当前的水流流量增长状态；根据所述当前的水流流量增长状态确定对应的奖励值或者惩罚值；根据确定的奖励值或者惩罚值以及所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量，计算得到各个状态下的状态行为回报函数值。
其中，所述根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的计算公式包括：dout (t))]+(qout(t)-din(t))+-[(qin(t)=r(t)，其中，r(t)为状态行为回报函数值，qin(t)为所述主水道上游主线进入水流混合区的水流量，din(t)为t水流控制周期进入汇入分段的水流量，qout(t)为主水道下游主线流离水流混合区的水流量，dout(t)为t水流控制周期流离汇入分段的水流量。
详细地，根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵的步骤，可以包括：初始化初始汇入分段控制策略预测矩阵中的核心矩阵Q值，所述核心矩阵Q值用于表征不同水流状态下选择不同汇入分段控制策略的回报率，其中，所述汇入分段控制策略包括汇入分段调节量；根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率；执行每个汇入分段控制策略，并计算执行每个汇入分段控制策略后的状态行为回报函数值以及执行后更新的水流状态；根据执行的汇入分段控制策略、所述状态行为回报函数值以及所述执行后更新的水流状态更新每个水流状态下的核心矩阵Q值，并返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，判断是否达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵Q值是否收敛；若判定所述核心矩阵Q值收敛，则将每个水流状态下的最大核心矩阵Q值对应的汇入分段控制策略作为每个水流状态下的最优汇入分段控制策略，以训练得到汇入分段控制策略预测矩阵，所述汇入分段控制策略预测矩阵包括各个不同水流状态下的汇入分段控制策略。
由此，本实施例在学习各个不同水流状态下的汇入分段控制策略的过程中，根据当前水流状态选择各个汇入分段控制策略，计算每个汇入分段控制策略导致的状态转移的状态行为回报函数值，并遍历所有汇入分段控制策略导致的状态转移的状态行为回报函数值，直到所有汇入分段控制策略导致的状态转移的状态行为回报函数值收敛，从而能够针对不同汇入分段和主水道排水段的水流状态进行针对性地测量控制。
步骤S120，获取所述各个水流检测装置检测到的水流数据。
详细地，所述水流数据可以包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度。
步骤S130，根据预设的水位控制状态数据库对所述水流数据进行分析，划分主水道水流状态和汇入分段水流状态。
步骤S140，采用上述预先训练的汇入分段控制策略预测矩阵选择所述主水道水流状态和所述汇入分段水流状态下的汇入分段控制策略，所述汇入分段控制策略包括水位测量控制量。
步骤S150，根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给对应的水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制。
详细地，在步骤S150之后，所述方法还包括：
根据所述水位测量控制量以及所述水位测量控制装置根据所述汇入分段控制指令执行对应的水位测量控制之后所述各个水流检测装置检测到的水流数据返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，继续训练所述汇入分段控制策略预测矩阵。
由此，通过基于执行对应的水位测量控制之后所述各个水流检测装置检测到的水流数据对汇入分段控制策略预测矩阵进行持续优化，进一步提升针对不同汇入分段和主水道排水段的水流状态进行针对性地测量控制的准确性，从而准确可靠地进行防洪调度，保证人们群众的生命安全。
图3示出了本申请一些实施例提供的水位预测及测量控制装置200的功能模块图，该水位预测及测量控制装置200实现的功能可以对应上述方法执行的步骤。该水位预测及测量控制装置200可以理解为上述服务器100，或服务器100的处理器，也可以理解为独立于上述服务器100或处理器之外的在服务器100控制下实现本申请功能的组件，如图3所示，该水位预测及测量控制装置200可以包括训练模块210、获取模块220、划分模块230、选择模块240以及发送模块250，下面分别该水位预测及测量控制装置200的各个功能模块的功能进行详细阐述。
训练模块，用于预先训练汇入分段控制策略预测矩阵，具体包括：获取在预设时间段内每个水流汇入分段的水流数据；确定用于训练所述汇入分段控制策略预测矩阵的汇入分段控制状态数据库，所述汇入分段控制状态数据库包括水流状态集和水流动作集，所述水流状态集包括用于描述各个不同水流状态的变量信息，所述水流状态集包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度，所述水流动作集包括不同状态下的水位测量调节量；根据所述汇入分段控制状态数据库确定主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量；根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值；根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵。可以理解，该训练模块210可以用于执行上述步骤S110，关于该训练模块210的详细实现方式可以参照上述对步骤S110有关的内容。
获取模块220，用于获取所述各个水流检测装置检测到的水流数据。可以理解，该获取模块220可以用于执行上述步骤S120，关于该获取模块220的详细实现方式可以参照上述对步骤S120有关的内容。
划分模块230，用于根据预设的水位控制状态数据库对所述水流数据进行分析，划分主水道水流状态和汇入分段水流状态。可以理解，该划分模块230可以用于执行上述步骤S130，关于该划分模块230的详细实现方式可以参照上述对步骤S130有关的内容。
选择模块240，用于采用上述预先训练的汇入分段控制策略预测矩阵选择所述主水道水流状态和所述汇入分段水流状态下的汇入分段控制策略，所述汇入分段控制策略包括水位测量控制量。可以理解，该选择模块240可以用于执行上述步骤S140，关于该选择模块240的详细实现方式可以参照上述对步骤S140有关的内容。
发送模块250，用于根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给对应的水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制。可以理解，该发送模块250可以用于执行上述步骤S150，关于该发送模块250的详细实现方式可以参照上述对步骤S150有关的内容。
在一个可能的示例中，所述训练模块210具体通过以下方式计算各个状态下的状态行为回报函数值：
根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量确定当前的水流流量增长状态；根据所述当前的水流流量增长状态确定对应的奖励值或者惩罚值；根据确定的奖励值或者惩罚值以及所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量，计算得到各个状态下的状态行为回报函数值。
在一个可能的示例中，所述根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的计算公式包括：dout(t))]+(qout(t)-din(t))+-[(qin(t)=r(t)，其中，r(t)为状态行为回报函数值，qin(t)为所述主水道上游主线进入水流混合区的水流量，din(t)为t水流控制周期进入汇入分段的水流量，qout(t)为主水道下游主线流离水流混合区的水流量，dout(t)为t水流控制周期流离汇入分段的水流量。
在一个可能的示例中，所述训练模块210具体通过以下方式训练所述汇入分段控制策略预测矩阵：初始化初始汇入分段控制策略预测矩阵中的核心矩阵Q值，所述核心矩阵Q值用于表征不同水流状态下选择不同汇入分段控制策略的回报率，其中，所述汇入分段控制策略包括汇入分段调节量；根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率；执行每个汇入分段控制策略，并计算执行每个汇入分段控制策略后的状态行为回报函数值以及执行后更新的水流状态；根据执行的汇入分段控制策略、所述状态行为回报函数值以及所述执行后更新的水流状态更新每个水流状态下的核心矩阵Q值，并返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，判断是否达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵Q值是否收敛；若判定所述核心矩阵Q值收敛，则将每个水流状态下的最大核心矩阵Q值对应的汇入分段控制策略作为每个水流状态下的最优汇入分段控制策略，以训练得到汇入分段控制策略预测矩阵，所述汇入分段控制策略预测矩阵包括各个不同水流状态下的汇入分段控制策略。
在一个可能的示例中，所述训练模块210，还可以用于：根据所述水位测量控制量以及所述水位测量控制装置根据所述汇入分段控制指令执行对应的水位测量控制之后所述各个水流检测装置检测到的水流数据返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率，继续训练所述汇入分段控制策略预测矩阵。
上述模块可以经由有线连接或无线连接彼此连接或通信。 有线连接可以包括金属线缆、光缆、混合线缆等，或其任意组合。无线连接可以包括通过LAN、WAN、蓝牙、ZigBee、或NFC等形式的连接，或其任意组合。 两个或更多个模块可以组合为单个模块，并且任何一个模块可以分成两个或更多个单元。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考方法实施例中的对应过程，本申请中不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种水位预测及测量控制方法，其特征在于，应用于服务器，所述服务器与各个灌溉区域的每个水流汇入分段上设置的水流检测装置及对应的水位控制路段上设置的各个水位测量控制装置通信连接，所述方法包括：
预先训练汇入分段控制策略预测矩阵；
获取所述各个水流检测装置检测到的水流数据；
根据预设的水位控制状态数据库对所述水流数据进行分析，划分主水道水流状态和汇入分段水流状态；
采用上述预先训练的汇入分段控制策略预测矩阵选择所述主水道水流状态和所述汇入分段水流状态下的汇入分段控制策略，所述汇入分段控制策略包括水位测量控制量；
根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给对应的水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制。
2.根据权利要求1所述的水位预测及测量控制方法，其特征在于，所述预先训练汇入分段控制策略预测矩的步骤，具体包括：获取在预设时间段内每个水流汇入分段的水流数据；确定用于训练所述汇入分段控制策略预测矩阵的汇入分段控制状态数据库，所述汇入分段控制状态数据库包括水流状态集和水流动作集，所述水流状态集包括用于描述各个不同水流状态的变量信息，所述水流状态集包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度，所述水流动作集包括不同状态下的水位测量调节量；根据所述汇入分段控制状态数据库确定主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量；根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值；根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵。
3.根据权利要求1所述的水位预测及测量控制方法，其特征在于，所述根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的步骤，包括：
根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量确定当前的水流流量增长状态；根据所述当前的水流流量增长状态确定对应的奖励值或者惩罚值；根据确定的奖励值或者惩罚值以及所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量，计算得到各个状态下的状态行为回报函数值。
4.根据权利要求1所述的水位预测及测量控制方法，其特征在于，所述根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值的计算公式包括：dout(t))]+(qout(t)-din(t))+-[(qin(t) =r(t)，其中，r(t)为状态行为回报函数值，qin(t)为所述主水道上游主线进入水流混合区的水流量，din(t)为t水流控制周期进入汇入分段的水流量，qout(t)为主水道下游主线流离水流混合区的水流量，dout(t)为t水流控制周期流离汇入分段的水流量。
5.根据权利要求1所述的水位预测及测量控制方法，其特征在于，所述根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵的步骤，包括：
初始化初始汇入分段控制策略预测矩阵中的核心矩阵Q值，所述核心矩阵Q值用于表征不同水流状态下选择不同汇入分段控制策略的回报率，其中，所述汇入分段控制策略包括汇入分段调节量；根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率；执行每个汇入分段控制策略，并计算执行每个汇入分段控制策略后的状态行为回报函数值以及执行后更新的水流状态；根据执行的汇入分段控制策略、所述状态行为回报函数值以及所述执行后更新的水流状态更新每个水流状态下的核心矩阵Q值，并返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，判断是否达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵Q值是否收敛；若判定所述核心矩阵Q值收敛，则将每个水流状态下的最大核心矩阵Q值对应的汇入分段控制策略作为每个水流状态下的最优汇入分段控制策略，以训练得到汇入分段控制策略预测矩阵，所述汇入分段控制策略预测矩阵包括各个不同水流状态下的汇入分段控制策略。
6.根据权利要求1所述的水位预测及测量控制方法，其特征在于，所述根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给所述水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制的步骤之后，所述方法还包括：根据所述水位测量控制量以及所述水位测量控制装置根据所述汇入分段控制指令执行对应的水位测量控制之后所述各个水流检测装置检测到的水流数据返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，继续训练所述汇入分段控制策略预测矩阵。
7.一种水位预测及测量控制装置，其特征在于，应用于服务器，所述服务器与各个灌溉区域的每个水流汇入分段上设置的水流检测装置及对应的水位控制路段上设置的各个水位测量控制装置通信连接，所述装置包括：
训练模块，用于预先训练汇入分段控制策略预测矩阵；
获取模块，用于获取所述各个水流检测装置检测到的水流数据；
划分模块，用于根据预设的水位控制状态数据库对所述水流数据进行分析，划分主水道水流状态和汇入分段水流状态；
选择模块，用于采用上述预先训练的汇入分段控制策略预测矩阵选择所述主水道水流状态和所述汇入分段水流状态下的汇入分段控制策略，所述汇入分段控制策略包括水位测量控制量；
发送模块，用于根据所述水位测量控制量生成对应的水位测量控制指令，并将所述水位测量控制指令发送给对应的水位测量控制装置以使所述水位测量控制装置根据所述水位测量控制指令执行对应的水位测量控制。
8.根据权利要求7所述的水位预测及测量控制方法，其特征在于，所述训练模块具体通过以下方式预先训练汇入分段控制策略预测矩：获取在预设时间段内每个水流汇入分段的水流数据；确定用于训练所述汇入分段控制策略预测矩阵的汇入分段控制状态数据库，所述汇入分段控制状态数据库包括水流状态集和水流动作集，所述水流状态集包括用于描述各个不同水流状态的变量信息，所述水流状态集包括主水道上游水流量、主水道与汇入分段之间的水流混合区水流量、汇入分段流入水流量、主水道下游水流量、主水道上游密度、汇入分段密度、主水道上游平均速度以及汇入分段平均速度，所述水流动作集包括不同状态下的水位测量调节量；根据所述汇入分段控制状态数据库确定主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量；根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量计算各个状态下的状态行为回报函数值；根据所述状态行为回报函数值、所述水流数据和所述汇入分段控制状态数据库训练所述汇入分段控制策略预测矩阵。
9.根据权利要求7所述的水位预测及测量控制装置，其特征在于，所述训练模块具体通过以下方式计算各个状态下的状态行为回报函数值：
根据所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量确定当前的水流流量增长状态；根据所述当前的水流流量增长状态确定对应的奖励值或者惩罚值；根据确定的奖励值或者惩罚值以及所述主水道上游主线进入水流混合区的水流量、每个水流控制周期进入汇入分段的水流量、主水道下游主线流离水流混合区的水流量以及每个水流控制周期流离汇入分段的水流量，计算得到各个状态下的状态行为回报函数值。
10.根据权利要求7所述的水位预测及测量控制装置，其特征在于，所述训练模块具体通过以下方式训练所述汇入分段控制策略预测矩阵：初始化初始汇入分段控制策略预测矩阵中的核心矩阵Q值，所述核心矩阵Q值用于表征不同水流状态下选择不同汇入分段控制策略的回报率，其中，所述汇入分段控制策略包括汇入分段调节量；根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率；执行每个汇入分段控制策略，并计算执行每个汇入分段控制策略后的状态行为回报函数值以及执行后更新的水流状态；根据执行的汇入分段控制策略、所述状态行为回报函数值以及所述执行后更新的水流状态更新每个水流状态下的核心矩阵Q值，并返回根据所述核心矩阵Q值在所述水流数据对应的每个水流状态下的入口汇入分段调节量调节过程中，采用softmax动作选择策略计算当前水流状态下选择各个汇入分段控制策略的概率的步骤，判断是否达到训练终止条件，并在判定满足训练终止条件时判断所述核心矩阵Q值是否收敛；若判定所述核心矩阵Q值收敛，则将每个水流状态下的最大核心矩阵Q值对应的汇入分段控制策略作为每个水流状态下的最优汇入分段控制策略，以训练得到汇入分段控制策略预测矩阵，所述汇入分段控制策略预测矩阵包括各个不同水流状态下的汇入分段控制策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910138884.XA CN109902867B (zh) | 2019-02-25 | 2019-02-25 | 水位预测及测量控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910138884.XA CN109902867B (zh) | 2019-02-25 | 2019-02-25 | 水位预测及测量控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109902867A true CN109902867A (zh) | 2019-06-18 |
| CN109902867B CN109902867B (zh) | 2022-04-12 |
Family
ID=66945613
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910138884.XA Expired - Fee Related CN109902867B (zh) | 2019-02-25 | 2019-02-25 | 水位预测及测量控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109902867B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012072622A (ja) * | 2010-09-29 | 2012-04-12 | Sekisui Plastics Co Ltd | 雨水の管理システムとその運転方法および管理方法 |
| CN106320497A (zh) * | 2016-11-07 | 2017-01-11 | 衢州学院 | 基于分层控制结构的城市智能排水控制系统 |
-
2019
- 2019-02-25 CN CN201910138884.XA patent/CN109902867B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012072622A (ja) * | 2010-09-29 | 2012-04-12 | Sekisui Plastics Co Ltd | 雨水の管理システムとその運転方法および管理方法 |
| CN106320497A (zh) * | 2016-11-07 | 2017-01-11 | 衢州学院 | 基于分层控制结构的城市智能排水控制系统 |
Non-Patent Citations (2)
| Title |
|---|
| BORAN EKIN AYDIN 等: "Optimal salinity and water level control of water courses using Model Predictive Control", 《ENVIRONMENTAL MODELLING AND SOFTWARE》 * |
| 彭靖: "关于城市智慧排水建设的探讨", 《城市勘测》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109902867B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108418841B (zh) | 基于ai的下一代关键信息基础设施网络安全态势感知系统 | |
| CN107463633B (zh) | 一种基于eemd-神经网络的实时数据异常值检测方法 | |
| CN103257921B (zh) | 一种基于改进随机森林算法的软件故障预测系统及其方法 | |
| Bernard et al. | Using artificial neural networks to identify learning styles | |
| CN112417788A (zh) | 基于大数据的水环境污染分析系统及方法 | |
| CN103888315B (zh) | 一种自适应的突发流量检测装置及其检测方法 | |
| CN107864071A (zh) | 一种面向主动安全的数据动态采集方法、装置及系统 | |
| US20180249648A1 (en) | Surface water depth information based ground irrigation control method | |
| RU2018120187A (ru) | Оценка сетей потоков | |
| CN101533000A (zh) | 一种构建水体富营养化风险分析模型的方法 | |
| CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
| CN103374938B (zh) | 供水运用控制装置 | |
| Mediero et al. | Probabilistic calibration of a distributed hydrological model for flood forecasting | |
| CN107301570A (zh) | 业务量预测方法、异常业务量检测方法、装置和电子设备 | |
| CN105631228A (zh) | 一种超级多模集成应用的水文预警预报系统和方法 | |
| Seckin et al. | Estimation of peak flood discharges at ungauged sites across Turkey | |
| CN113762618B (zh) | 一种基于多因子相似分析的湖泊水位预报方法 | |
| CN103761420A (zh) | 一种火电设备性能逐步回归评测方法 | |
| CN111598754A (zh) | 基于水质模型的河网区水质断面污染贡献率核算方法 | |
| CN108415884A (zh) | 一种结构模态参数实时追踪方法 | |
| CN110298369A (zh) | 一种电力系统不良数据的辨识方法及系统 | |
| Nie et al. | Applied closed-end furrow irrigation optimized design based on field and simulated advance data | |
| CN110308658A (zh) | 一种pid参数整定方法、装置、系统及可读存储介质 | |
| CN110363355A (zh) | 一种氧化铝生产指标的云-边协同预报系统及方法 | |
| CN113807545A (zh) | 一种基于深度学习和物理模型的河湖生态流量预报预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220412 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |