CN112215432A - 一种水资源可达性预测方法和预测系统 - Google Patents
一种水资源可达性预测方法和预测系统 Download PDFInfo
- Publication number
- CN112215432A CN112215432A CN202011133299.XA CN202011133299A CN112215432A CN 112215432 A CN112215432 A CN 112215432A CN 202011133299 A CN202011133299 A CN 202011133299A CN 112215432 A CN112215432 A CN 112215432A
- Authority
- CN
- China
- Prior art keywords
- weight
- destination
- influence factor
- average
- accessibility
- 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.)
- Pending
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013178 mathematical model Methods 0.000 claims abstract description 20
- 239000013505 freshwater Substances 0.000 claims description 25
- 238000010606 normalization Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 238000009826 distribution Methods 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000003973 irrigation Methods 0.000 description 3
- 230000002262 irrigation Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000011780 sodium chloride Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种水资源可达性预测方法和预测系统,预测方法包括如下步骤:确定水资源可达性的影响因子,具体包括外在影响因子和内在影响因子,其中外在影响因子包括水源地与目的地之间的距离、水源地与目的地之间栅格的平均高程值,所述内在影响因子包括水源地与目的地之间栅格内的道路密度、沟渠密度和涵洞数量;获取待预测水资源可达性的影响因子;建立用于表征水资源可达性与其影响因子之间关系的数学模型;将获取的待预测水资源可达性的影响因子代入所述数学模型,得到水可达性的值。本发明所提供的技术方案能够解决现有技术中对水资源可达性预测结果不准确的问题。
Description
技术领域
本发明属于水资源可达性预测技术领域,具体涉及一种水资源可达性预测方法和预测系统。
背景技术
水资源的可达性,是指淡水资源从水源地出发,克服各种阻力后到达目的地的难易程度,研究水资源的可达性对工业生产、农业生产和人们生活有着重要的意义。
以中国山东黄河三角洲国家级自然保护区为例,该地区可分为现行黄河入海口两侧部分(大汶流管理站和黄河口管理站)和刁口河流路黄河入海口部分(一千二管理站)两个区域,黄河口管理站和大汶流管理站位于山东省垦利县北部。自然保护区年平均降水量为592.2mm,蒸发量大于降水量。该区域降水年际变化大,季节分配不均,形成了春旱、夏涝、晚秋又旱的气候特点。垦利县生产、生活、灌溉用水主要依靠黄河水,还有一部分来自于自然降水,而地下水主要是咸水和微咸水,不能为灌溉和人畜所用。由于很多地区的降水空间分布差异性较小,这些区域淡水资源的可达性差异取决于来源于黄河的淡水资源的可达性,因此需要对这些区域淡水资源的可达性进行研究。
淡水资源的可达性在空间上的分布特征能够给出区域内高值区和低值区的空间分布位置,以及某一湿地的淡水可达性低的原因,可为决策者提供更有效的和更科学的湿地恢复方案。淡水资源是保障淡水草本沼泽湿地不退化的基础性因子,是维持淡水湿地健康的必要条件,研究淡水可达性的空间分布特征,对淡水资源优化配置具有重要指导意义,如针对区域淡水可达性难易程度合理分配淡水资源,划定合适的淡水湿地恢复区域;当对特定淡水湿地进行引水灌溉时,找出该湿地淡水可达性的影响因素能够减轻引水难度。此外,淡水资源也是促进工、农业发展的关键因素,定量分析淡水可达性与经济发展之间的关系,也可为地方的经济发展提供支持和帮助。
现有技术中在预测水资源的可达性时,主要考虑的是地势平坦度等自然因素对其造成的影响,而忽略了人为因素造成的影响,造成预测结果不准确的问题。
发明内容
本发明的目的是提供一种水资源可达性预测方法和预测系统,以解决现有技术中对水资源可达性预测不准确的问题。
为实现上述目的,本发明采用如下技术方案:
一种水资源可达性预测方法,包括如下步骤:
(1)获取待预测水资源可达性的影响因子;
所述影响因子包括外在影响因子和内在影响因子,其中外在影响因子包括水源地与目的地之间的距离、水源地与目的地之间栅格的平均高程值,所述内在影响因子包括水源地与目的地之间各栅格的道路密度、沟渠密度和涵洞数量;
(2)建立用于表征水资源可达性与其影响因子之间关系的数学模型;
所述数学模型为:
WAI=WD×D+WE×E+WDD×DD+WRD×RD+WN×N
其中D为水源地与目的地之间的距离,WD为其权重;E为水源地与目的地之间栅格的平均高程值,WE为其权重;DD为水源地与目的地之间各栅格的道路密度的平均值,WDD为其权重;RD为水源地与目的地之间各栅格的沟渠密度得平均值,WRD为其权重;N为水源地与目的地之间各栅格的涵洞数量的平均值,WN为其权重;
(3)将获取的待预测水资源可达性的影响因子代入所述数学模型,得到待预测水资源的可达性。
进一步的,获取水资源可达性的影响因子后,对分别进行标准化处理,标准化处理的方法为:
判断影响因子为正指标还是逆指标;
当影响因子为正指标时,采用如下公式对其进行标准化处理:
当影响因子为逆指标时,采用如下公式对其进行标准化处理:
进一步的,水源地与目的地之间距离的权重、栅格平均高程值的权重、道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为1。
进一步的,水源地与目的地之间距离的权重和栅格平均高程值的权重之和为0.6,道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为0.4。
进一步的,WD的值为0.42,WE的值为0.18,WDD的值为0.16,WRD的值为0.12,WN的值为0.12。
一种水资源可达性预测系统,包括处理器和存储器,存储器上存储有用于在处理器上执行的计算机程序;所述处理器执行所述计算机程序时,实现淡水资源可达性预测方法,该方法包括如下步骤:
(1)获取待预测水资源可达性的影响因子;
所述影响因子包括外在影响因子和内在影响因子,其中外在影响因子包括水源地与目的地之间的距离、水源地与目的地之间栅格的平均高程值,所述内在影响因子包括水源地与目的地之间各栅格的道路密度、沟渠密度和涵洞数量;
(2)建立用于表征水资源可达性与其影响因子之间关系的数学模型;
所述数学模型为:
WAI=WD×D+WE×E+WDD×DD+WRD×RD+WN×N
其中D为水源地与目的地之间的距离,WD为其权重;E为水源地与目的地之间栅格的平均高程值,WE为其权重;DD为水源地与目的地之间各栅格的道路密度的平均值,WDD为其权重;RD为水源地与目的地之间各栅格的沟渠密度得平均值,WRD为其权重;N为水源地与目的地之间各栅格的涵洞数量的平均值,WN为其权重;
(3)将获取的待预测水资源可达性的影响因子代入所述数学模型,得到待预测水资源的可达性。
进一步的,获取水资源可达性的影响因子后,对分别进行标准化处理,标注化处理的方法为:
判断影响因子为正指标还是逆指标;
当影响因子为正指标时,采用如下公式对其进行标准化处理:
当影响因子为逆指标时,采用如下公式对其进行标准化处理:
进一步的,水源地与目的地之间距离的权重、栅格平均高程值的权重、道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为1。
进一步的,水源地与目的地之间距离的权重和栅格平均高程值的权重之和为0.6,道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为0.4。
进一步的,WD的值为0.42,WE的值为0.18,WDD的值为0.16,WRD的值为0.12,WN的值为0.12。
本发明所提供的技术方案,首先确定水资源可达性的实际影响因子,然后建立用于表征水资源可达性与其影响因子之间关系的数学模型,最后计算水可达性值。由于发明所建立的数学模型不仅涉及水源地与目的地之间的距离、水源地与目的地之间栅格平均高程这些自然因素对可达性造成的影响,还涉及水源地与目的地之间栅格内的道路密度、沟渠密度和涵洞数量这些人文因素对可达性造成的影响,因此本发明所提供的技术方案能准确预测出水资源的可达性,解决现有技术中对水资源可达性预测结果不准确的问题。
附图说明
图1是本发明方法实施例中水资源可达性预测方法的流程图。
具体实施方式
本发明提供一种水资源可达性预测方法和预测系统,用于解决现有技术中对水资源可达性预测结果不准确的问题。
方法实施例
本实施例提供一种淡水资源可达性预测方法,用于判断淡水资源的可达性,该方法的流程如图1所示,包括如下步骤:
(1)获取待预测水资源可达性的影响因子。
本实施例的影响因子包括外在影响因子和内在影响因子,其中外在影响因子包括水源地与目的地之间的距离、水源地与目的地之间栅格的平均高程值,内在影响因子包括水源地与目的地之间栅格内的道路密度、沟渠密度和涵洞数量。
本实施例中获取内在影响因子的方法为:
获取水源地和目的地之间的遥感图像,通过神经网络模型识别其中的道路、沟渠和涵洞,识别方法为:
首先建立数据训练集和CNN神经网络模型,数据训练集中包括拍摄有道路、沟渠和涵洞的遥感图像;
然后对数据训练集中各遥感图像中的道路、沟渠、涵洞分别进行标注,并采用标注后的遥感图像作为输入,以对应遥感图像中的道路、沟渠和涵洞为输出对所建立的CNN神经网络模型进行训练,得到训练后的CNN神经网络模型;
将采集到的水源地和目的地之间的遥感图像输入到训练后的CNN神经网络模型,即可得到区域内的道路、沟渠和涵洞。
利用ArcGIS10.1软件,根据识别出的沟渠建立沟渠网络,通过该软件的网络分析中最短路径分析工具,输入水源点和目的地的位置,即可计算出两者之间的距离。
在ArcGIS10.1空间分析模块中选择区域统计方法,输入DEM,选取平均值字段计算功能,即可得到水源地与目的地之间栅格的平均高程值。
本实施例中的栅格,是将水源地与目的地之间的区域划分为多个大小相等的子区域,每个子区域作为一个栅格。
水源地与目的地之间的距离:水资源从水源地到目的地的过程需通过沟渠引水,因此水源地与目的地之间的距离是影响水资源到达目的地的主要因素。水源地与目的地之间的距离越小,水资源可达性越高。
栅格的高程值越小,水越容易汇集,尤其在降雨或者排水的过程中。栅格的高程决定了该栅格对地表径流的可获取性,进而影响水可达性。栅格的高程越低,栅格获取地表径流的可达性越大,水资源可达性就越大。本实施例中通过DEM(高程数字模型)和区域统计的方法计算水源地与目的地之间区域栅格的平均高程值。
道路密度平均值:道路是阻碍水分连通的限制性因素,道路密度越高,水资源的传输越困难,水资源的可达性越低。本实施例中栅格内道路密度是该栅格内道路的总长度与该栅格面积的比值,水源地与目的地之间的道路密度是指水源地与目的地之间各栅格道路密度的平均值。
沟渠密度平均值:沟渠密度是影响水资源可达性的关键变量,沟渠密度越高越有利于水资源在栅格内部交换,淡水可达性则越高。本实施例中栅格内沟渠密度是该栅格内沟渠的总长度与该栅格面积的比值,水源地与目的地之间的沟渠密度是指水源地与目的地之间各栅格沟渠密度的平均值。
涵洞数量平均值:涵洞的存在会减弱道路对水资源可达性的阻碍,因此将涵洞的数量也作为反映水资源可达性的一个指标,该值越大水资源的可达性越高。计算方法为:首先统计水源地与目的地之间各栅格内涵洞的数量,然后计算其平均值。
(2)建立用于表征水资源可达性与其影响因子之间关系的数学模型。
本实施例中用于表征水资源可达性与其影响因子之间关系的数学模型为:
WAI=WD×D+WE×E+WDD×DD+WRD×RD+WN×N
其中WAI为水资源的可达性,D为水源地与目的地之间的距离,WD为其权重;E为水源地与目的地之间栅格的平均高程值,WE为其权重;DD为水源地与目的地之间栅格的道路密度平均值,WDD为其权重;RD为水源地与目的地之间栅格的沟渠密度平均值,WRD为其权重;N为水源地与目的地之间栅格的涵洞数量平均值,WN为其权重。
(3)将获取的待预测水资源可达性的影响因子代入所建立的数学模型,得到待预测水资源的可达性。
本实施例中在得到淡水资源可达性的影响因子之后,先对其分别进行标准化处理。本实施例中的标准化处理为归一化处理,以其中一个影响因子为例,其标准化处理的方法为:
判断该影响因子为正指标还是逆指标;
正指标是与水资源可达性之间呈正相关的影响因子,逆指标是与水资源可达性之间呈负相关的影响因子;
当该影响因子是正指标时,其标准化处理采用的公式为:
当该影响因子是逆指标时,其标准化处理采用的公式为:
本实施例的用于表征水资源可达性与其影响因子之间关系的数学模型中,各影响因子的权重分别根据相应指标的重要性进行赋值,这里的重要性是指该影响因子对淡水可达性的影响程度。各影响因子的权重值介于0~1之间,越接近于1表示该指标对水资源可达性影响越大。本实施例中各影响因子的权重之和为1。
水资源从水源地向各个栅格传输,外部影响因子影响到达各个栅格的水资源量,内部影响因子影响水资源在栅格内交换连通的程度,因此为外部影响因子权重的总和0.6,内部影响因子权重的总和为0.4。两个外部影响因子中,水源地与目的地之间的距离是影响水资源可达性的决定性因素,栅格的平均高程受到地势的影响,因此在外部影响因子权重中水源地与目的地之间的距离所占的比重为70%,栅格的平均高程所占比重为30%。
在内部影响因子中,由于水资源是沿着沟渠传输的,虽然道路会阻碍水分流通,但是涵洞的存在会降低其阻碍程度,其栅格内沟渠密度的重要性大于道路密度和涵洞数量,因此本实施例中沟渠密度、道路密度和涵洞数量在内部影响因子中所占的比例为40%、30%和30%。
因此在本实施例中,WD的值为0.42,WE的值为0.18,WDD的值为0.16,WRD的值为0.12,WN的值为0.12。
以上公开的本发明的实施例只是用于帮助阐明本发明的技术方案,并没有尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种水资源可达性预测方法,其特征在于,包括如下步骤:
(1)获取待预测水资源可达性的影响因子;
所述影响因子包括外在影响因子和内在影响因子,其中外在影响因子包括水源地与目的地之间的距离、水源地与目的地之间栅格的平均高程值,所述内在影响因子包括水源地与目的地之间各栅格的道路密度、沟渠密度和涵洞数量;
(2)建立用于表征水资源可达性与其影响因子之间关系的数学模型;
所述数学模型为:
WAI=WD×D+WE×E+WDD×DD+WRD×RD+WN×N
其中D为水源地与目的地之间的距离,WD为其权重;E为水源地与目的地之间栅格的平均高程值,WE为其权重;DD为水源地与目的地之间各栅格的道路密度的平均值,WDD为其权重;RD为水源地与目的地之间各栅格的沟渠密度得平均值,WRD为其权重;N为水源地与目的地之间各栅格的涵洞数量的平均值,WN为其权重;
(3)将获取的待预测水资源可达性的影响因子代入所述数学模型,得到待预测水资源的可达性。
3.根据权利要求2所述的水资源可达性预测方法,其特征在于,水源地与目的地之间距离的权重、栅格平均高程值的权重、道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为1。
4.根据权利要求3所述的水资源可达性预测方法,其特征在于,水源地与目的地之间距离的权重和栅格平均高程值的权重之和为0.6,道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为0.4。
5.根据权利要求1-4中任一项所述的水资源可达性预测方法,其特征在于,WD的值为0.42,WE的值为0.18,WDD的值为0.16,WRD的值为0.12,WN的值为0.12。
6.一种水资源可达性预测系统,包括处理器和存储器,存储器上存储有用于在处理器上执行的计算机程序;其特征在于,所述处理器执行所述计算机程序时,实现淡水资源可达性预测方法,该方法包括如下步骤:
(1)获取待预测水资源可达性的影响因子;
所述影响因子包括外在影响因子和内在影响因子,其中外在影响因子包括水源地与目的地之间的距离、水源地与目的地之间栅格的平均高程值,所述内在影响因子包括水源地与目的地之间各栅格的道路密度、沟渠密度和涵洞数量;
(2)建立用于表征水资源可达性与其影响因子之间关系的数学模型;
所述数学模型为:
WAI=WD×D+WE×E+WDD×DD+WRD×RD+WN×N
其中D为水源地与目的地之间的距离,WD为其权重;E为水源地与目的地之间栅格的平均高程值,WE为其权重;DD为水源地与目的地之间各栅格的道路密度的平均值,WDD为其权重;RD为水源地与目的地之间各栅格的沟渠密度得平均值,WRD为其权重;N为水源地与目的地之间各栅格的涵洞数量的平均值,WN为其权重;
(3)将获取的待预测水资源可达性的影响因子代入所述数学模型,得到待预测水资源的可达性。
8.根据权利要求7所述的水资源可达性预测系统,其特征在于,水源地与目的地之间距离的权重、栅格平均高程值的权重、道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为1。
9.根据权利要求8所述的水资源可达性预测系统,其特征在于,水源地与目的地之间距离的权重和栅格平均高程值的权重之和为0.6,道路密度平均值的权重、沟渠密度平均值的权重和涵洞数量平均值的权重之和为0.4。
10.根据权利要求6-9中任一项所述的水资源可达性预测系统,其特征在于,WD的值为0.42,WE的值为0.18,WDD的值为0.16,WRD的值为0.12,WN的值为0.12。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011133299.XA CN112215432A (zh) | 2020-10-21 | 2020-10-21 | 一种水资源可达性预测方法和预测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011133299.XA CN112215432A (zh) | 2020-10-21 | 2020-10-21 | 一种水资源可达性预测方法和预测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112215432A true CN112215432A (zh) | 2021-01-12 |
Family
ID=74056394
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011133299.XA Pending CN112215432A (zh) | 2020-10-21 | 2020-10-21 | 一种水资源可达性预测方法和预测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112215432A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106097222A (zh) * | 2016-06-12 | 2016-11-09 | 河南理工大学 | 顾及用户特征的公共设施空间可达性分析方法及装置 |
CN109559053A (zh) * | 2018-12-04 | 2019-04-02 | 三亚中科遥感研究所 | 一种基于路径距离的植被可达性度量方法 |
CN110135627A (zh) * | 2019-04-23 | 2019-08-16 | 中国农业大学 | 水资源优化方法及装置 |
CN110378527A (zh) * | 2019-07-16 | 2019-10-25 | 常州市卫生监督所 | 一种水站选址方法 |
US10462238B1 (en) * | 2016-04-04 | 2019-10-29 | Mitel Networks, Inc. | Reachability analytics for communications |
CN111581315A (zh) * | 2020-04-30 | 2020-08-25 | 南京数城未来信息科技有限公司 | 一种公共服务设施可达性计算方法及装置 |
CN111784111A (zh) * | 2020-06-05 | 2020-10-16 | 长江勘测规划设计研究有限责任公司 | 一种空间可达性评价方法 |
-
2020
- 2020-10-21 CN CN202011133299.XA patent/CN112215432A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10462238B1 (en) * | 2016-04-04 | 2019-10-29 | Mitel Networks, Inc. | Reachability analytics for communications |
CN106097222A (zh) * | 2016-06-12 | 2016-11-09 | 河南理工大学 | 顾及用户特征的公共设施空间可达性分析方法及装置 |
CN109559053A (zh) * | 2018-12-04 | 2019-04-02 | 三亚中科遥感研究所 | 一种基于路径距离的植被可达性度量方法 |
CN110135627A (zh) * | 2019-04-23 | 2019-08-16 | 中国农业大学 | 水资源优化方法及装置 |
CN110378527A (zh) * | 2019-07-16 | 2019-10-25 | 常州市卫生监督所 | 一种水站选址方法 |
CN111581315A (zh) * | 2020-04-30 | 2020-08-25 | 南京数城未来信息科技有限公司 | 一种公共服务设施可达性计算方法及装置 |
CN111784111A (zh) * | 2020-06-05 | 2020-10-16 | 长江勘测规划设计研究有限责任公司 | 一种空间可达性评价方法 |
Non-Patent Citations (3)
Title |
---|
李海峰等: "区域机场网络可达性模型研究", 《航空计算技术》 * |
秦肖肖: "中国水可达性与经济发展关系研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
龙奋杰等: "县域资源可达性研究――以贵州省为例", 《城市发展研究》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Javadinejad et al. | Application of multi-index decision analysis to management scenarios considering climate change prediction in the Zayandeh Rud River Basin | |
Xu et al. | Staged optimization of urban drainage systems considering climate change and hydrological model uncertainty | |
CN111915058B (zh) | 基于长短时记忆网络和迁移学习的洪水预测方法与装置 | |
Yazdi | Rehabilitation of urban drainage systems using a resilience-based approach | |
CN116362419B (zh) | 一种城市防洪预警系统及方法 | |
CN109815611B (zh) | 一种基于数字流域的流域边界生成方法 | |
CN111737853A (zh) | 一种基于swmm模型的低影响开发多目标区间优化配置方法 | |
Yao et al. | An integrated hydrodynamic and multicriteria evaluation Cellular Automata–Markov model to assess the effects of a water resource project on waterbird habitat in wetlands | |
CN114565603A (zh) | 一种一体化洪涝灾害精准监测预警方法 | |
CN112950436B (zh) | 一种合流制管道溢流控制参数的计算方法及装置 | |
CN117269443B (zh) | 一种基于大数据的智慧数字乡村环境监测系统 | |
CN112215432A (zh) | 一种水资源可达性预测方法和预测系统 | |
CN117150600B (zh) | 一种用于城市防内涝的屋顶蓄排水控制方法 | |
Anilan et al. | Application of Artificial Neural Networks and regression analysis to L-moments based regional frequency analysis in the Eastern Black Sea Basin, Turkey | |
CN112287613A (zh) | 针对流域水环境控制断面的污染物削减方法 | |
CN116502805A (zh) | 基于围区水网提升量化评价模型的调度方案快速筛选方法 | |
CN116151437A (zh) | 一种浅层崩塌灾害预警模型建立方法、装置、设备及介质 | |
KR101297979B1 (ko) | 공간통계학 및 기후변화를 고려한 침수 취약성 분석 시스템 및 방법 | |
KR101859109B1 (ko) | 강우예측을 이용한 저영향개발시설의 제어방법 | |
CN115146720A (zh) | 基于机器学习的河湖水环境数据融合与样本标注方法、系统及计算机设备 | |
Cao et al. | Optimization design and research of simulation system for urban green ecological rainwater by genetic algorithm | |
Jaiswal et al. | Application of RS data for reservoir sediment profiling using Latin Hypercube‑One at Time (LH‑OAT) technique | |
CN113392447A (zh) | 基于调洪演算的溶洞过流能力计算方法、装置和存储介质 | |
CN113158591A (zh) | 一种确定流域土地开发利用承载力的方法 | |
Amini et al. | Determining the Erosion and Sedimentation Using MPSIAC Model and GIS System in Khorkhoreh Watershed, Kurdistan, Iran |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210112 |