CN111581586A - 基于套合模型的湖库水质各向异性插值方法和装置 - Google Patents

基于套合模型的湖库水质各向异性插值方法和装置 Download PDF

Info

Publication number
CN111581586A
CN111581586A CN202010350492.2A CN202010350492A CN111581586A CN 111581586 A CN111581586 A CN 111581586A CN 202010350492 A CN202010350492 A CN 202010350492A CN 111581586 A CN111581586 A CN 111581586A
Authority
CN
China
Prior art keywords
interpolation
flow direction
model
water quality
lake
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
Application number
CN202010350492.2A
Other languages
English (en)
Other versions
CN111581586B (zh
Inventor
余嘉琦
殷守敬
王楠
郅晓沙
杨红艳
靳卫华
周亚明
孟斌
王雪蕾
赵乾
贾兴
李营
肖如林
初东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Satellite Application Center for Ecology and Environment of MEE
Original Assignee
Satellite Application Center for Ecology and Environment of MEE
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Satellite Application Center for Ecology and Environment of MEE filed Critical Satellite Application Center for Ecology and Environment of MEE
Priority to CN202010350492.2A priority Critical patent/CN111581586B/zh
Publication of CN111581586A publication Critical patent/CN111581586A/zh
Application granted granted Critical
Publication of CN111581586B publication Critical patent/CN111581586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Food Science & Technology (AREA)
  • Remote Sensing (AREA)
  • Medicinal Chemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Aerodynamic Tests, Hydrodynamic Tests, Wind Tunnels, And Water Tanks (AREA)

Abstract

本发明公开了一种基于套合模型的湖库水质各向异性插值方法和装置，属于水环境污染监测领域。该方法取湖库水质指标监测样本点数据、流向数据和各流向流速数据，根据流向划分区域并使用多种插值模型对每个流向范围内的样本点进行模拟和验证，选择残差平方根最小的模型作为该方向的插值模型；将各方向的插值模型进行套合，形成套合模型并计算该套合函数模型权重系数；最后使用该套合模型进行空间插值。本发明综合考虑湖库水体流速流向等水文信息进行各向异性插值，并兼顾各方向的局部空间结构特点和湖库整体结构特性构建套合模型，大大提高了插值的精度，可以更合理的反映湖泊水质变化趋势。

Description

基于套合模型的湖库水质各向异性插值方法和装置
技术领域
本发明涉及水环境污染监测领域，特别是指一种基于套合模型的湖库水质各向异性插值方法和装置。
背景技术
对湖泊、水库(简称湖库)的水环境容量、总体富营养状况和水质空间变化趋势的总体分析等往往需要获取湖库全域水面的水质状况。但是，限于监测成本、时效性和可行性等条件，现实中往往是在湖库中设置有限个数的站点进行监测，然后将监测到的数据通过空间插值方法来实现从点到面的转换。
由于湖库水体固有的流动性，加上水流、地形等因素的影响，水域中各水质参数具有空间变异性。但是，当前的空间插值方法多是从宏观角度进行插值，依赖数据本身的空间自相关性，所获取到的插值结果往往会或多或少遗漏掉对水质的空间变化特征。
发明内容
为解决上述技术问题，本发明提供一种基于套合模型的湖库水质各向异性插值方法和装置，本发明综合考虑湖库水体流速流向等水文信息进行各向异性插值，并兼顾各方向的局部空间结构特点和湖库整体结构特性构建套合模型，大大提高了插值的精度，可以更合理的反映湖泊水质变化趋势。
本发明提供技术方案如下：
第一方面，本发明提供一种基于套合模型的湖库水质各向异性插值方法，所述方法包括：
S1：获取湖库的水质指标监测样本点数据、流向数据以及各个流向的流速数据；
S2：根据湖库的流向数据，以一定的角度容差将湖库全域水面划分为多个流向区域，每个流向区域内包括若干个水质指标监测样本点；
S3：根据每个流向区域内各个水质指标监测样本点的距离以及每个流向区域内的流速数据计算该流向区域的插值步长；
S4：对每个流向区域，分别通过待选择的各个插值模型对该流向区域的水质指标监测样本点数据进行插值并计算插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；其中，进行插值时，各个插值模型的插值步长为该流向区域的插值步长；
S5：将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型；其中，各个流向区域的权重系数的取值使得湖库全域水面插值模型的残差平方和最小。
进一步的，所述S4包括：
S41：选择一个流向区域；
S42：将该流向区域的水质指标监测样本点数据平均划分为模拟组和检验组；
S43：从待选择的插值模型中选择一个插值模型；
S44：使用该插值模型对模拟组的水质指标监测样本点数据进行插值，并将插值结果与检验组的水质指标监测样本点数据计算残差，其中，该插值模型的插值步长为该流向区域的插值步长；
S45：将模拟组的一个水质指标监测样本点数据与检验组的一个水质指标监测样本点数据置换，并重复S44，直至模拟组的每个水质指标监测样本点数据与检验组的每个水质指标监测样本点数据均置换一次，得到一个残差组合；
S46：计算所述残差组合的平方根，作为该插值模型的插值误差；
S47：从未选择的插值模型中选择一个插值模型，并重复S44～S46，直至所有插值模型均被选择一次，得到每个插值模型的插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；
S48：从未选择的流向区域中选择一个流向区域，并重复S42～S47，直至所有流向区域均被选择一次，得到每个流向区域的插值模型。
进一步的，所述S1还包括：
对各个流向的流速数据进行归一化处理；
所述S2中，角度容差为10°。
进一步的，各个流向区域的插值步长hi＝Vi*Si/2；其中，i为流向区域的编号，Vi为第i个流向区域的归一化后的流速数据，Si为第i个流向区域内内各个水质指标监测样本点的最邻近距离。
进一步的，所述湖库全域水面插值模型
Figure BDA0002471655050000031
其中，Ri(h)为第i个流向区域的插值模型，Wi为第i个流向区域的权重系数，n为流向区域的数量；Wi的取值使得残差平方和S(P(h))最小，S(P(h))＝||WR-P(h)||2，W＝(W1，W2，…，Wn)，R＝(R1(h)，R2(h)，…，Rn(h))。
第二方面，本发明提供一种基于套合模型的湖库水质各向异性插值装置，所述装置包括：
数据获取模块，用于获取湖库的水质指标监测样本点数据、流向数据以及各个流向的流速数据；
流向区域划分模块，用于根据湖库的流向数据，以一定的角度容差将湖库全域水面划分为多个流向区域，每个流向区域内包括若干个水质指标监测样本点；
插值步长确定模块，用于根据每个流向区域内各个水质指标监测样本点的距离以及每个流向区域内的流速数据计算该流向区域的插值步长；
各向异性插值模块，用于对每个流向区域，分别通过待选择的各个插值模型对该流向区域的水质指标监测样本点数据进行插值并计算插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；其中，进行插值时，各个插值模型的插值步长为该流向区域的插值步长；
套合模块，用于将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型；其中，各个流向区域的权重系数的取值使得湖库全域水面插值模型的残差平方和最小。
进一步的，所述各向异性插值模块包括：
流向区域选择单元，用于选择一个流向区域；
样本点划分单元，用于将该流向区域的水质指标监测样本点数据平均划分为模拟组和检验组；
插值模型选择单元，用于从待选择的插值模型中选择一个插值模型；
插值单元，用于使用该插值模型对模拟组的水质指标监测样本点数据进行插值，并将插值结果与检验组的水质指标监测样本点数据计算残差，其中，该插值模型的插值步长为该流向区域的插值步长；
第一循环单元，用于将模拟组的一个水质指标监测样本点数据与检验组的一个水质指标监测样本点数据置换，并重复插值单元，直至模拟组的每个水质指标监测样本点数据与检验组的每个水质指标监测样本点数据均置换一次，得到一个残差组合；
插值误差计算单元，用于计算所述残差组合的平方根，作为该插值模型的插值误差；
第二循环单元，用于从未选择的插值模型中选择一个插值模型，并重复插值单元、第一循环单元和插值误差计算单元，直至所有插值模型均被选择一次，得到每个插值模型的插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；
第三循环单元，用于从未选择的流向区域中选择一个流向区域，并重复样本点划分单元、插值模型选择单元、插值单元、第一循环单元、插值误差计算单元和第二循环单元，直至所有流向区域均被选择一次，得到每个流向区域的插值模型。
进一步的，所述数据获取模块还用于：对各个流向的流速数据进行归一化处理；
所述流向区域划分模块中，角度容差为10°。
进一步的，各个流向区域的插值步长hi＝Vi*Si/2；其中，i为流向区域的编号，Vi为第i个流向区域的归一化后的流速数据，Si为第i个流向区域内内各个水质指标监测样本点的最邻近距离。
进一步的，所述湖库全域水面插值模型
Figure BDA0002471655050000051
其中，Ri(h)为第i个流向区域的插值模型，Wi为第i个流向区域的权重系数，n为流向区域的数量；Wi的取值使得残差平方和S(P(h))最小，S(P(h))＝||WR-P(h)||2，W＝(W1，W2，…，Wn)，R＝(R1(h),R2(h),…,Rn(h))。
本发明具有以下有益效果：
本发明利用湖库监测样本点水质指标，充分结合湖库流向和流速的特点，科学合理的自动为每个流向确定不同的插值模型，具体分析水质指标在各方向上的分布趋势，更准确的反应湖库水质特征；并且通过各个流向的插值模型加权构建套合模型，更准确的反映水质指标在湖库整体上的分布趋势。可见，本发明综合考虑湖库水体流速流向等水文信息进行各向异性插值，并兼顾各方向的局部空间结构特点和湖库整体结构特性构建套合模型，大大提高了插值的精度，可以更合理的反映湖泊水质变化趋势。
附图说明
图1为本发明的基于套合模型的湖库水质各向异性插值方法的流程图；
图2为本发明的基于套合模型的湖库水质各向异性插值装置的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
实施例1：
本发明实施例提供一种基于套合模型的湖库水质各向异性插值方法，如图1所示，该方法包括：
S1：获取湖库的水质指标监测样本点数据、流向数据以及各个流向的流速数据。
S2：根据湖库的流向数据，以一定的角度容差将湖库全域水面划分为多个流向区域，每个流向区域内包括若干个水质指标监测样本点。
在对样本点数据进行插值时，现有技术是从宏观角度进行插值，即对湖库的整体进行插值，但是由于湖库水体固有的流动性，湖库水质的空间变化与湖库水体的流动性有很大关系，水域中各水质参数具有空间变异性。湖库不同区域的水质指标的变化规律不同，对湖库整体进行插值不能表征出这种不同区域的不同变化规律，得到的插值结果会遗漏掉水质的空间变化特征。
为解决上述问题，本发明考虑在空间插值方法中纳入水体流速流向等水文信息，根据湖库中水体的不同流向选择不同的插值模型，即向异性插值。为实现这一目的，需要先将湖库区域根据流向划分，划分时，角度容差可以根据需要设定，例如设置角度容差为10°，划分为n个流向区域O1、O2……On，各个流向区域的流速数据记为{V1、V2……Vn}。
S3：根据每个流向区域内各个水质指标监测样本点的距离以及每个流向区域内的流速数据计算该流向区域的插值步长。
由于每个区域的流速不同，而流速会对插值的距离(步长)产生影响。如果流速较快，在较大的一个区域内的水质指标的相似度就比较高，其变化规律也较类似，那么选择较大的插值步长也能保证插值的精度。反之，如果流速较慢，为保证插值精度，就需要选择较小的插值步长。
同样的，如果样本点的距离比较小，说明数据量丰富，数据量丰富就使得可以选择较小的插值步长来提高插值精度。并且，在进行湖库采样点布设时，一般在水质指标变化剧烈的区域布设的样本点较密集，因此，如果样本点的距离比较小，说明该区域水质指标变化剧烈，为保证插值精度，需要选择较小的插值步长。反之，如果样本点的距离比较大，就可以选择较大的插值步长。
本步骤充分考虑每个流向区域内样本点距离以及流速来设置该样本点的插值步长，使得得到的插值模型更适应每个流向区域的特点，提高了插值模型的插值精度。
S4：对每个流向区域，分别通过待选择的各个插值模型对该流向区域的水质指标监测样本点数据进行插值并计算插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；其中，进行插值时，各个插值模型的插值步长为该流向区域的插值步长。
本发明事先设定好待选择的各个插值模型，例如球状模型、高斯模型、指数模型、具基台值线性模型、无基台值线性模型、幂函数模型等各种主流模型，然后在本步骤中选择出每个流向区域最适合的模型，由于每个流向区域的插值模型不同，因此是各向异性插值。
具体方法是：通过各个插值模型对该流向区域内的样本点数据进行插值并计算插值误差，一般是将部分样本点数据作为插值初始数据进行插值，将插值结果与另一部分样本点数据进行验证，得到插值误差，最小的插值误差对应的插值模型即为该流向区域最适合的插值模型。插值时，每个流向区域使用S3中确定的该区域的插值步长。
S5：将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型；其中，各个流向区域的权重系数的取值使得湖库全域水面插值模型的残差平方和最小。
在S4中确定出各个流向区域的插值模型后，并不直接使用这些插值模型对湖库各个流向区域分别进行插值。因为这些插值模型是各个流向区域独立得到的，其仅考虑了各个流向区域各自独立的水质指标变化规律，反映的是局部空间结构特点，没有考虑湖库整体的水质指标分布，不能反映湖库整体结构特性。
因此本发明在S5中将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型，也就是将各个插值模型套合，得到套合模型。其中各个流向区域的权重系数的设置使得湖库全域水面插值模型的残差平方和最小，能够反映水质指标在湖库整体上的分布趋势。
得到湖库全域水面插值模型后，因为湖库是封闭的水体，其水流的流向和流速基本不会发生不变化，或者变化在可接受的范围内，因此后续即可使用该模型对湖库进行空间插值，得到湖库水质指标插值结果。
与现有技术相比，本发明具有以下有益效果：
本发明利用湖库监测样本点水质指标，充分结合湖库流向和流速的特点，科学合理的自动为每个流向确定不同的插值模型，具体分析水质指标在各方向上的分布趋势，更准确的反应湖库水质特征；并且通过各个流向的插值模型加权构建套合模型，更准确的反映水质指标在湖库整体上的分布趋势。可见，本发明综合考虑湖库水体流速流向等水文信息进行各向异性插值，并兼顾各方向的局部空间结构特点和湖库整体结构特性构建套合模型，大大提高了插值的精度，可以更合理的反映湖泊水质变化趋势。
作为本发明实施例的一种改进，前述的S4包括：
S41：选择一个流向区域。
S42：将该流向区域的水质指标监测样本点数据平均划分为模拟组和检验组。
模拟组作为插值的原始数据，检验组用于对插值结果进行验证。示例性的，假设第i个流向区域具有的N个样本点，将其平均分为A1{p1、p2…pN/2}、B1{pN/2+1、pN/2+2…pN}两组，A1为模拟组，B1为检验组。
S43：从待选择的插值模型中选择一个插值模型。
S44：使用该插值模型对模拟组的水质指标监测样本点数据进行插值，并将插值结果与检验组的水质指标监测样本点数据计算残差，其中，该插值模型的插值步长为该流向区域的插值步长。
示例性的，通过插值模型对A1进行插值，得到的插值结果B* 1{p* N/2+1、p* N/2+2…p* N}是B1{pN/2+1、pN/2+2…pN}的估计值，计算估计值B* 1与真实值B1残差X1。
S45：将模拟组的一个水质指标监测样本点数据与检验组的一个水质指标监测样本点数据置换，并重复S44，直至模拟组的每个水质指标监测样本点数据与检验组的每个水质指标监测样本点数据均置换一次，得到一个残差组合。
将p1与pN/2+1置换，形成新的模拟组A2和检验组B2，并得到残差X2；将p1与pN/2+2置换，形成新的模拟组A3和检验组B3，并得到残差X3；以此类推，得到残差组合{X1、X2……Xm}。
本步骤将模拟组的样本点数据与检验组的样本点数据置换，使用交叉验证法证，充分利用有限样本进行交叉验，提高了验证次数，增加了插值模拟结果准确性。
S46：计算残差组合的平方根Xi *，作为该插值模型的插值误差。
S47：从未选择的插值模型中选择一个插值模型，并重复S44～S46，直至所有插值模型均被选择一次，得到每个插值模型的插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型。
S48：从未选择的流向区域中选择一个流向区域，并重复S42～S47，直至所有流向区域均被选择一次，得到每个流向区域的插值模型，第i个流向区域的插值模型记为Ri(h)。
前述的S1中，还包括：对各个流向的流速数据进行归一化处理。
具体的，各个流向区域的插值步长hi＝Vi*Si/2，i为流向区域的编号，Vi为第i个流向区域的归一化后的流速数据，Si为第i个流向区域内内各个水质指标监测样本点的最邻近距离。
前述的S5中，湖库全域水面插值模型为P(h)，其中：
Figure BDA0002471655050000091
Ri(h)为第i个流向区域的插值模型，Wi为第i个流向区域的权重系数，n为流向区域的数量。
前述公式向量化为P(h)＝WR；
W＝(W1,W2,…，Wn)，R＝(R1(h)，R2(h)，…，Rn(h))；
设有M个监测样本点数据{p1、p2…pM}，将监测样本点数据{p1、p2…pM}代入，依据最小二乘法，引入残差平方和函数S(P(h))＝||WR-P(h)||2，当W＝W*，S(P(h))取最小值时，计算此时W*＝(RTR)-1RTP(h)的值作为套合模型的权重系数，得到空间插值的套合模型。
本发明获取湖库水质指标监测样本点数据、湖库流向数据和各流向水流速度数据，对各方向流速进行归一化处理；根据流向划分流向区域并通过使用多种插值模型对每个流向范围内的样本点进行模拟；通过分组交叉验证方法对各模拟结果进行验证，选择残差平方根最小的模型作为该方向的插值模型；将各方向的插值模型进行套合，形成套合模型；计算该套合函数模型权重系数，并使用该套合模型进行空间插值。通过本发明确定的套合模型值，可以基于湖泊水质指标监测样本点数据、湖泊流向数据、各流向水流速度数据，充分考虑湖泊的流向和流速，进行快速自动插值，为湖泊水质评价提供技术支撑。
实施例2：
本发明实施例提供一种基于套合模型的湖库水质各向异性插值装置，其特征在于，如图2所示，该装置包括：
数据获取模块1，用于获取湖库的水质指标监测样本点数据、流向数据以及各个流向的流速数据。
流向区域划分模块2，用于根据湖库的流向数据，以一定的角度容差将湖库全域水面划分为多个流向区域，每个流向区域内包括若干个水质指标监测样本点。
插值步长确定模块3，用于根据每个流向区域内各个水质指标监测样本点的距离以及每个流向区域内的流速数据计算该流向区域的插值步长。
各向异性插值模块4，用于对每个流向区域，分别通过待选择的各个插值模型对该流向区域的水质指标监测样本点数据进行插值并计算插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；其中，进行插值时，各个插值模型的插值步长为该流向区域的插值步长。
套合模块5，用于将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型；其中，各个流向区域的权重系数的取值使得湖库全域水面插值模型的残差平方和最小。
本发明利用湖库监测样本点水质指标，充分结合湖库流向和流速的特点，科学合理的自动为每个流向确定不同的插值模型，具体分析水质指标在各方向上的分布趋势，更准确的反应湖库水质特征；并且通过各个流向的插值模型加权构建套合模型，更准确的反映水质指标在湖库整体上的分布趋势。可见，本发明综合考虑湖库水体流速流向等水文信息进行各向异性插值，并兼顾各方向的局部空间结构特点和湖库整体结构特性构建套合模型，大大提高了插值的精度，可以更合理的反映湖泊水质变化趋势。
前述的各向异性插值模块包括：
流向区域选择单元，用于选择一个流向区域。
样本点划分单元，用于将该流向区域的水质指标监测样本点数据平均划分为模拟组和检验组。
插值模型选择单元，用于从待选择的插值模型中选择一个插值模型。
插值单元，用于使用该插值模型对模拟组的水质指标监测样本点数据进行插值，并将插值结果与检验组的水质指标监测样本点数据计算残差，其中，该插值模型的插值步长为该流向区域的插值步长。
第一循环单元，用于将模拟组的一个水质指标监测样本点数据与检验组的一个水质指标监测样本点数据置换，并重复插值单元，直至模拟组的每个水质指标监测样本点数据与检验组的每个水质指标监测样本点数据均置换一次，得到一个残差组合。
插值误差计算单元，用于计算残差组合的平方根，作为该插值模型的插值误差。
第二循环单元，用于从未选择的插值模型中选择一个插值模型，并重复插值单元、第一循环单元和插值误差计算单元，直至所有插值模型均被选择一次，得到每个插值模型的插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型。
第三循环单元，用于从未选择的流向区域中选择一个流向区域，并重复样本点划分单元、插值模型选择单元、插值单元、第一循环单元、插值误差计算单元和第二循环单元，直至所有流向区域均被选择一次，得到每个流向区域的插值模型。
本发明使用交叉验证法证，充分利用有限样本进行交叉验，提高了验证次数，增加了插值模拟结果准确性。
数据获取模块还用于：对各个流向的流速数据进行归一化处理。
流向区域划分模块中，角度容差可以为10°。
各个流向区域的插值步长hi＝Vi*Si/2；
其中，i为流向区域的编号，Vi为第i个流向区域的归一化后的流速数据，Si为第i个流向区域内内各个水质指标监测样本点的最邻近距离。
湖库全域水面插值模型
Figure BDA0002471655050000121
其中，Ri(h)为第i个流向区域的插值模型，Wi为第i个流向区域的权重系数，n为流向区域的数量；Wi的取值使得残差平方和S(P(h))最小，S(P(h))＝||WR-P(h)||2，W＝(W1，W2，…，Wn)，R＝(R1(h)，R2(h)，…,Rn(h))。
本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例1中相应内容。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，前述描述的装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
需要说明的是，本说明书上述所述的装置或者系统根据相关方法实施例的描述还可以包括其他的实施方式，具体的实现方式可以参照方法实施例的描述，在此不作一一赘述。本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类、存储介质+程序实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定按照要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书一个或多个时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个单元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接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
本领域技术人员应明白，本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此，本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述并不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种基于套合模型的湖库水质各向异性插值方法，其特征在于，所述方法包括：
S1：获取湖库的水质指标监测样本点数据、流向数据以及各个流向的流速数据；
S2：根据湖库的流向数据，以一定的角度容差将湖库全域水面划分为多个流向区域，每个流向区域内包括若干个水质指标监测样本点；
S3：根据每个流向区域内各个水质指标监测样本点的距离以及每个流向区域内的流速数据计算该流向区域的插值步长；
S4：对每个流向区域，分别通过待选择的各个插值模型对该流向区域的水质指标监测样本点数据进行插值并计算插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；其中，进行插值时，各个插值模型的插值步长为该流向区域的插值步长；
S5：将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型；其中，各个流向区域的权重系数的取值使得湖库全域水面插值模型的残差平方和最小。
2.根据权利要求1所述的基于套合模型的湖库水质各向异性插值方法，其特征在于，所述S4包括：
S41：选择一个流向区域；
S42：将该流向区域的水质指标监测样本点数据平均划分为模拟组和检验组；
S43：从待选择的插值模型中选择一个插值模型；
S44：使用该插值模型对模拟组的水质指标监测样本点数据进行插值，并将插值结果与检验组的水质指标监测样本点数据计算残差，其中，该插值模型的插值步长为该流向区域的插值步长；
S45：将模拟组的一个水质指标监测样本点数据与检验组的一个水质指标监测样本点数据置换，并重复S44，直至模拟组的每个水质指标监测样本点数据与检验组的每个水质指标监测样本点数据均置换一次，得到一个残差组合；
S46：计算所述残差组合的平方根，作为该插值模型的插值误差；
S47：从未选择的插值模型中选择一个插值模型，并重复S44～S46，直至所有插值模型均被选择一次，得到每个插值模型的插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；
S48：从未选择的流向区域中选择一个流向区域，并重复S42～S47，直至所有流向区域均被选择一次，得到每个流向区域的插值模型。
3.根据权利要求2所述的基于套合模型的湖库水质各向异性插值方法，其特征在于，所述S1还包括：
对各个流向的流速数据进行归一化处理；
所述S2中，角度容差为10°。
4.根据权利要求3所述的基于套合模型的湖库水质各向异性插值方法，其特征在于，各个流向区域的插值步长hi＝Vi*Si/2；其中，i为流向区域的编号，Vi为第i个流向区域的归一化后的流速数据，Si为第i个流向区域内内各个水质指标监测样本点的最邻近距离。
5.根据权利要求4所述的基于套合模型的湖库水质各向异性插值方法，其特征在于，所述湖库全域水面插值模型
Figure FDA0002471655040000021
其中，Ri(h)为第i个流向区域的插值模型，Wi为第i个流向区域的权重系数，n为流向区域的数量；Wi的取值使得残差平方和S(P(h))最小，S(P(h))＝||WR-P(h)||2，W＝(W1,W2,…,Wn)，R＝(R1(h),R2(h),…,Rn(h))。
6.一种基于套合模型的湖库水质各向异性插值装置，其特征在于，所述装置包括：
数据获取模块，用于获取湖库的水质指标监测样本点数据、流向数据以及各个流向的流速数据；
流向区域划分模块，用于根据湖库的流向数据，以一定的角度容差将湖库全域水面划分为多个流向区域，每个流向区域内包括若干个水质指标监测样本点；
插值步长确定模块，用于根据每个流向区域内各个水质指标监测样本点的距离以及每个流向区域内的流速数据计算该流向区域的插值步长；
各向异性插值模块，用于对每个流向区域，分别通过待选择的各个插值模型对该流向区域的水质指标监测样本点数据进行插值并计算插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；其中，进行插值时，各个插值模型的插值步长为该流向区域的插值步长；
套合模块，用于将各个流向区域的插值模型按照权重系数加权，得到湖库全域水面插值模型；其中，各个流向区域的权重系数的取值使得湖库全域水面插值模型的残差平方和最小。
7.根据权利要求6所述的基于套合模型的湖库水质各向异性插值装置，其特征在于，所述各向异性插值模块包括：
流向区域选择单元，用于选择一个流向区域；
样本点划分单元，用于将该流向区域的水质指标监测样本点数据平均划分为模拟组和检验组；
插值模型选择单元，用于从待选择的插值模型中选择一个插值模型；
插值单元，用于使用该插值模型对模拟组的水质指标监测样本点数据进行插值，并将插值结果与检验组的水质指标监测样本点数据计算残差，其中，该插值模型的插值步长为该流向区域的插值步长；
第一循环单元，用于将模拟组的一个水质指标监测样本点数据与检验组的一个水质指标监测样本点数据置换，并重复插值单元，直至模拟组的每个水质指标监测样本点数据与检验组的每个水质指标监测样本点数据均置换一次，得到一个残差组合；
插值误差计算单元，用于计算所述残差组合的平方根，作为该插值模型的插值误差；
第二循环单元，用于从未选择的插值模型中选择一个插值模型，并重复插值单元、第一循环单元和插值误差计算单元，直至所有插值模型均被选择一次，得到每个插值模型的插值误差，最小的插值误差对应的插值模型即为该流向区域的插值模型；
第三循环单元，用于从未选择的流向区域中选择一个流向区域，并重复样本点划分单元、插值模型选择单元、插值单元、第一循环单元、插值误差计算单元和第二循环单元，直至所有流向区域均被选择一次，得到每个流向区域的插值模型。
8.根据权利要求7所述的基于套合模型的湖库水质各向异性插值装置，其特征在于，所述数据获取模块还用于：对各个流向的流速数据进行归一化处理；
所述流向区域划分模块中，角度容差为10°。
9.根据权利要求8所述的基于套合模型的湖库水质各向异性插值装置，其特征在于，各个流向区域的插值步长hi＝Vi*Si/2；其中，i为流向区域的编号，Vi为第i个流向区域的归一化后的流速数据，Si为第i个流向区域内内各个水质指标监测样本点的最邻近距离。
10.根据权利要求9所述的基于套合模型的湖库水质各向异性插值装置，其特征在于，所述湖库全域水面插值模型
Figure FDA0002471655040000041
其中，Ri(h)为第i个流向区域的插值模型，Wi为第i个流向区域的权重系数，n为流向区域的数量；Wi的取值使得残差平方和S(P(h))最小，S(P(h))＝||WR-P(h)||2，W＝(W1,W2,…,Wn)，R＝(R1(h),R2(h)，…,Rn(h))。
CN202010350492.2A 2020-04-28 2020-04-28 基于套合模型的湖库水质各向异性插值方法和装置 Active CN111581586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010350492.2A CN111581586B (zh) 2020-04-28 2020-04-28 基于套合模型的湖库水质各向异性插值方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010350492.2A CN111581586B (zh) 2020-04-28 2020-04-28 基于套合模型的湖库水质各向异性插值方法和装置

Publications (2)

Publication Number Publication Date
CN111581586A true CN111581586A (zh) 2020-08-25
CN111581586B CN111581586B (zh) 2021-02-05

Family

ID=72126196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010350492.2A Active CN111581586B (zh) 2020-04-28 2020-04-28 基于套合模型的湖库水质各向异性插值方法和装置

Country Status (1)

Country Link
CN (1) CN111581586B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113407588A (zh) * 2021-07-20 2021-09-17 中国科学院地理科学与资源研究所 一种海域污染空间分布获取方法、装置及电子设备
CN116775792A (zh) * 2023-06-28 2023-09-19 浪潮智慧科技有限公司 一种基于dem的湖库水下地形重构方法、设备、装置及介质
CN118583137A (zh) * 2024-08-05 2024-09-03 昆明思永科技有限公司 融合泄洪预警和大坝安全监测的水情自动测报系统及方法

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663222A (zh) * 2011-12-27 2012-09-12 中国科学院生态环境研究中心 开敞水体突发污染事件动态污染场计算方法
CN102901721A (zh) * 2012-10-17 2013-01-30 中国环境科学研究院 一种受有机物污染地下水流向的快速判断方法
CN102999620A (zh) * 2012-11-30 2013-03-27 山东师范大学 一种基于地理信息系统技术分析土壤污染空间分布规律的方法
CN103353923A (zh) * 2013-06-26 2013-10-16 中山大学 基于空间特征分析的自适应空间插值方法及其系统
CN103473463A (zh) * 2013-09-17 2013-12-25 中国环境科学研究院 一种定量确定湖泊流域水体氮磷背景浓度的方法
CN103810537A (zh) * 2014-02-12 2014-05-21 南京大学 一种基于水质模型的区域环境风险评估方法
CN104102845A (zh) * 2014-07-24 2014-10-15 北京坤成科技有限公司 尺度自适应的插值方法及尺度自适应的插值系统
CN104361418A (zh) * 2014-12-05 2015-02-18 北京师范大学 一种流域水生态安全监控预警平台及其预警方法
CN104615885A (zh) * 2015-02-04 2015-05-13 中国科学院南京地理与湖泊研究所 一种富营养化浅水湖泊藻源性湖泛的短期预报方法
CN105809284A (zh) * 2016-03-07 2016-07-27 华侨大学 近岸海域水环境评价及应急预警系统
CN106777959A (zh) * 2016-12-12 2017-05-31 郑州大学 人工干扰无水文资料地区河流环境流量分区界定计算方法
JP6296451B2 (ja) * 2015-01-16 2018-03-20 応用地質株式会社 地盤試料のサンプリングにおけるモニタリングシステムおよびこれを用いたサンプリング方法
KR101958231B1 (ko) * 2018-04-17 2019-03-19 환경시설관리 주식회사 하폐수 회분식처리 시스템
CN110927065A (zh) * 2019-11-02 2020-03-27 生态环境部卫星环境应用中心 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102663222A (zh) * 2011-12-27 2012-09-12 中国科学院生态环境研究中心 开敞水体突发污染事件动态污染场计算方法
CN102901721A (zh) * 2012-10-17 2013-01-30 中国环境科学研究院 一种受有机物污染地下水流向的快速判断方法
CN102999620A (zh) * 2012-11-30 2013-03-27 山东师范大学 一种基于地理信息系统技术分析土壤污染空间分布规律的方法
CN103353923A (zh) * 2013-06-26 2013-10-16 中山大学 基于空间特征分析的自适应空间插值方法及其系统
CN103473463A (zh) * 2013-09-17 2013-12-25 中国环境科学研究院 一种定量确定湖泊流域水体氮磷背景浓度的方法
CN103810537A (zh) * 2014-02-12 2014-05-21 南京大学 一种基于水质模型的区域环境风险评估方法
CN104102845A (zh) * 2014-07-24 2014-10-15 北京坤成科技有限公司 尺度自适应的插值方法及尺度自适应的插值系统
CN104361418A (zh) * 2014-12-05 2015-02-18 北京师范大学 一种流域水生态安全监控预警平台及其预警方法
JP6296451B2 (ja) * 2015-01-16 2018-03-20 応用地質株式会社 地盤試料のサンプリングにおけるモニタリングシステムおよびこれを用いたサンプリング方法
CN104615885A (zh) * 2015-02-04 2015-05-13 中国科学院南京地理与湖泊研究所 一种富营养化浅水湖泊藻源性湖泛的短期预报方法
CN105809284A (zh) * 2016-03-07 2016-07-27 华侨大学 近岸海域水环境评价及应急预警系统
CN106777959A (zh) * 2016-12-12 2017-05-31 郑州大学 人工干扰无水文资料地区河流环境流量分区界定计算方法
KR101958231B1 (ko) * 2018-04-17 2019-03-19 환경시설관리 주식회사 하폐수 회분식처리 시스템
CN110927065A (zh) * 2019-11-02 2020-03-27 生态环境部卫星环境应用中心 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
STANKO ZERAJIC等: "Comparison of different models of water quality index in the assessment of surface water quality", 《INTERNATIONAL JOURNAL OF ENVIRONMENTAL SCIENCE AND TECHNOLOGY》 *
THEODORE CHARLES WEBER: "Land Conservation, Restoration, and Management For Water Quality Benefits in Cecil County, Maryland Technical Report for the Cecil County Green Infrastructure Plan December 2007", 《LAND CONSERVATION, RESTORATION, AND MANAGEMENT FOR WATER QUALITY BENEFITS》 *
吴传庆等: "河流物理生境遥感监测研究与应用分析", 《环境监控与预警》 *
甘健胜: "截面数据插值的组合模型及其实证", 《数理统计与管理》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113407588A (zh) * 2021-07-20 2021-09-17 中国科学院地理科学与资源研究所 一种海域污染空间分布获取方法、装置及电子设备
CN116775792A (zh) * 2023-06-28 2023-09-19 浪潮智慧科技有限公司 一种基于dem的湖库水下地形重构方法、设备、装置及介质
CN116775792B (zh) * 2023-06-28 2024-03-26 浪潮智慧科技有限公司 一种基于dem的湖库水下地形重构方法、设备、装置及介质
CN118583137A (zh) * 2024-08-05 2024-09-03 昆明思永科技有限公司 融合泄洪预警和大坝安全监测的水情自动测报系统及方法

Also Published As

Publication number Publication date
CN111581586B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN111581586B (zh) 基于套合模型的湖库水质各向异性插值方法和装置
WO2019018375A1 (en) NEURONAL ARCHITECTURE RESEARCH FOR CONVOLUTION NEURAL NETWORKS
CN110686633B (zh) 一种滑坡位移预测方法、装置及电子设备
CN110659721A (zh) 一种目标检测网络的构建方法和系统
CN107590690B (zh) 数据处理方法、装置及服务器
CN109948680A (zh) 病历数据的分类方法及系统
JP2024526504A (ja) リソグラフィマスク生成モデルの訓練方法、装置、機器、及びコンピュータプログラム
CN115049176A (zh) 材料性能评估方法、装置及计算机设备
CN110110406B (zh) 一种基于Excel计算平台实现LS-SVM模型的边坡稳定性预测方法
Lee et al. Imat: The iterative medial axis transform
CN112859034B (zh) 自然环境雷达回波幅度模型分类方法和装置
CN116051118B (zh) 行为时序模型的分析方法及装置
CN115759291B (zh) 一种基于集成学习的空间非线性回归方法及系统
Zhou et al. Training-free transformer architecture search with zero-cost proxy guided evolution
CN111027716A (zh) 一种负荷预测的方法及装置
CN117235633A (zh) 机构分类方法、装置、计算机设备及存储介质
CN115907194A (zh) 一种光伏发电功率预测方法、系统及产品
CN116539006A (zh) 径流预测方法、装置、计算机设备和存储介质
CN115346028A (zh) 虚拟环境主题处理方法及装置
CN113254435B (zh) 一种数据增强方法及系统
CN111738407B (zh) 一种基于深度学习的钟差预测方法、装置、介质及终端
CN110569892B (zh) 一种泛在定位信号静态定位方法及系统
CN111428420A (zh) 海表流流速预测方法、装置、计算机设备和存储介质
CN111753462B (zh) 一种环境信号值确定方法及装置
Yan et al. Stylized Crowd Formation Transformation Through Spatiotemporal Adversarial Learning

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