CN114444333A - 生态水位分析方法、装置、电子设备及存储介质 - Google Patents
生态水位分析方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114444333A CN114444333A CN202210361226.9A CN202210361226A CN114444333A CN 114444333 A CN114444333 A CN 114444333A CN 202210361226 A CN202210361226 A CN 202210361226A CN 114444333 A CN114444333 A CN 114444333A
- Authority
- CN
- China
- Prior art keywords
- water level
- fitting
- historical data
- hydrological
- fitting model
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种基于水文变异的生态水位分析方法、装置、电子设备及存储介质,该方法包括:基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。结合生态水位对频率的特定要求,实现在环境变化引起的水文变异条件下,生态水位计算时的一致性、准确性。
Description
技术领域
本申请涉及湖泊生态水位计算技术领域,尤其涉及一种基于水文变异的生态水位分析方法、装置、电子设备及存储介质。
背景技术
考虑湖泊水位动态特性,采用基于水位统计资料的生态水文法计算鄱阳湖生态水位时,其核心内容主要是水位序列的频率计算。根据水文序列频率计算的基本假定,实测水文序列应满足独立同分布,即一致性的要求。
而现有的湖泊生态水位计算方法中,在利用水位序列计算湖泊适宜频率的生态水位时,存在对水位序列非一致性考虑不足的问题,即没有开展水位变异的分析计算,直接认为其满足一致性的要求,使得在进行生态水位的分析和计算时不够准确。
发明内容
本申请实施例的目的是提供一种基于水文变异的生态水位分析方法、装置、电子设备及存储介质,考虑水文变异带来的影响,提高生态水位频率计算和预测的准确性。
在第一方面,为实现上述目的,本申请实施例提供了一种基于水文变异的生态水位分析方法,包括:
基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
在第二方面,为了解决相同的技术问题,本申请实施例提供了一种基于水文变异的生态水位分析装置,包括:
模型构建模块,用于基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
模型调节模块,用于根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
水位确定模块,用于基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
在第三方面,为了解决相同的技术问题,本申请实施例提供了一种电子设备,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现上述任一项所述的基于水文变异的生态水位分析方法中的步骤。
在第四方面,为了解决相同的技术问题,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行上述任一项所述的基于水文变异的生态水位分析方法中的步骤。
本申请实施例提供了一种基于水文变异的生态水位分析方法、装置、电子设备及存储介质,该方法在进行生态水位的预测时,首先确定数据中的水文变异点,然后根据最早的水文变异点在历史数据中得到用于构建水位随机性成分的拟合模型的第一数据,以根据第一数据进行分析得到水位随机性成分的拟合模型,进而根据历史数据以及所确定的最早的水文变异点对水位模型进行更新,并根据更新后的水位随机性成分的拟合模型得到确定性成分,同时根据更新后的水位随机性成分的拟合模型对历史数据进行处理,且对处理后的历史数据进行数据拟合,最后根据所得到的确定性成分以及拟合得到的曲线实现生态水位的确定。实现了在生态水位的预测过程中,通过对历史数据进行处理,使得数据满足生态水位预测的一致性的要求,考虑环境因素带来的水文变化,提高了生态水位频率计算和预测的准确性。
附图说明
图1为本申请实施例提供的基于水文变异的生态水位分析方法的一种流程示意图;
图2为本申请实施例提供的得到水位随机性成分的拟合模型的步骤的一流程示意图;
图3为本申请实施例提供的对水位随机性成分的拟合模型进行校验的步骤的一流程示意图;
图4为本申请实施例提供的得到确定性成分的步骤的一流程示意图;
图5为本申请实施例提供的得到确定性成分的步骤的又一流程示意图;
图6为本申请实施例提供的确定生态水位的步骤的一流程示意图;
图7为本申请实施例提供的基于水文变异的生态水位分析装置的一种结构示意图;
图8为本申请实施例提供的电子设备的一种结构示意图;
图9为本申请实施例提供的电子设备的另一种结构示意图。
具体实施方式
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,显然,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。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动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。
应当理解的是,本申请公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
参见图1,图1为本申请实施例提供的基于水文变异的生态水位分析方法的一种流程示意图,如图1所示,该基于水文变异的生态水位分析方法包括步骤S101至步骤S103。
步骤S101、基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型。
在湖泊的水位预测和计算中,由于湖泊水位动态特性,使得在采用基于水位统计资料的生态水文法计算生态水位时,主要是水位序列的频率计算,而在根据水位序列频率计算时,需要实测水位序列满足独立同分布,也就是一致性的要求。但是在实际进行检测时,所得到的水位序列可能并不符合一致性的要求,因此需要对数据进行相应的处理,或者在进行预测时通过相应的调整使得数据满足一致性的要求。
在一实施例中,在进行湖泊的生态水位的计算时,首先会确定水文变异点,进而根据水文变异点在数据中获取水位随机性成分,然后根据水位随机性成分进行分析处理,得到水位随机性成分的拟合模型。具体地,在得到水位随机性成分之后,水位随机性成分用于构建相应的进行水位随机性成分的拟合模型,因此,对于水位随机性成分而言,需要其保持一致性的要求,那么在得到水位随机性成分时,需要有一定的选择性和筛选性,来保证其的一致性。
因此,在得到水位随机性成分时,包括:获取历史数据,并利用水文变异诊断系统对历史数据进行分析处理,确定历史数据中的若干水文变异点。具体地,水文变异点为数据一致性出现改变或变化的点,示例性地,水文序列是一定时期内气候条件、自然地理条件以及人类活动等综合作用的产物,如果水文序列的分布形式或(和)分布参数在整个时间尺度内发生了显著变化,则称水文序列发生了变异,而水文序列发生变异点的点即为水文变异点。
在实际应用中,为了保证水文序列的一致性,需要对历史数据进行分析处理,确定数据中的水文变异点,历史数据是检测系统进行水位检测的相关数据,包括水位信息、气候条件、自然地理条件以及人类活动等相关因素信息,进而在确定水文变异点时,利用水文变异诊断系统实现对历史数据进行分析处理,确定实际发生变异的时间,而所确定的发生变异的时间即为水文变异点。
示例性地,水文变异诊断系统由初步诊断、详细诊断和综合诊断三个部分组成,通过对历史数据的分析处理,可以准确的确定发生水文变异的时间。其中,对于在利用水文变异诊断系统进行分析处理时,采用常规的方式即可实现。
在基于水文变异诊断系统实现对水文变异点的确定,将会根据所得到的水文变异点在历史数据中得到用于构架水文预测模型的第一数据。具体地,参照图2,图2为本申请实施例提供的得到水位随机性成分的拟合模型的步骤的一流程示意图。其中,该步骤包括步骤S201至步骤S202。
步骤S201、识别所述水文变异点包含的时间序列,并基于所述时间序列得到第一水文变异点;
步骤S202、基于所述第一水文变异点在所述历史数据中进行数据筛选,得到水位随机性成分;
步骤S203、对所述水位随机性成分进行回归处理,得到水位随机性成分的拟合模型。
在一实施例中,在获取用于构建水位随机性成分的拟合模型的水位随机性成分时,基于水文变异点在所得到的历史数据中进行数据筛选,具体地,在确定了水文变异点之后,对水文变异点的时间序列进行识别和获取,以根据时间序列进行时间排序得到第一水文变异点,其中第一水文变异点所对应的时间序列为最早的时间序列,然后根据所得第一水文变异点的时间序列在历史数据中进行数据的筛选,以得到可以用于构建水位随机性成分的拟合模型的水位随机性成分,即水位随机性成分为第一水文变异点之前的历史水位序列,并在得到水位随机性成分之后,通过对水位随机性成分进行回归处理,得到相应的水位随机性成分的拟合模型。
在实际应用中,在基于水文变异诊断系统实现水文变异点的确定时,水文变异点的数量可以是多个的,也就是在对历史数据进行分析处理时,发生水文变异的时间并不一定时多个,具体地,由于影响因子的多样性,可以存在针对不同因素的变异时间,还可以存在同一因素在多个时刻存在变异,因此,在利用水文变异诊断系统实现对历史数据的分析处理时,会得到若干水文变异点,而为了保证构建水位随机性成分的拟合模型的数据的一致性,即保证水位随机性成分的一致性,将确定最先发生变异的水文变异点。
示例性地,在利用水文变异诊断系统对鄱阳湖1月份逐年水位 Y sw与湖口流量X hk)、湖区降水X js、湖区蒸发X zf、五河入流X rl)、九江流量X jj5个影响因子(自变量,下同)时间序列进行变异诊断,诊断结果显示为:除流域入流、湖口流量序列没有发生水文变异之外,1月份湖口水位、流域降水、流域蒸发、九江流量分别在1988年、1988年、1972年、1994年发生了跳跃变异。即水文变异点有多个,而在选取水位随机性成分时,所确定的第一水文变异点的为1972年,所得到的水位随机性成分为历史数据中时间序列在1972年之前的相关历史水位序列。
在确定了水位随机性成分之后,将会对水位随机性成分进行回归处理,以得到基于水位随机性成分所得到的水位随机性成分的拟合模型。而在对水位随机性成分进行回归处理时,所使用的回归方式可以不做限制,在此,可以利用逐步回归分析方法构架水位及其影响因子随机序列的逐步回归模型,进而通过回归得到拟合模型,其中拟合模型记录着影响因子与水位之间的一种对应关系。
示例性地,在基于水位随机性成分进行回归处理得到水位随机性成分的拟合模型时,拟合模型具体可以是一个回归方程,其中,在基于水位随机性成分(以第一水文变异点为1972年为例)进行回归处理之后,所得到的回归方程可以如下:
在得到回归模型/方程时,可以知道在水文变异点之前的时间区间内各影响因子对水位大小的影响程度,由上述所得到的模型而言,蒸发量对水位大小的影响最大。
而在得到水位随机性成分的拟合模型之后,还需要对其进行检验,以确保所得到的水位随机性成分的拟合模型的准确性符合实际的需求。具体地,在进行验证时,利用该水位随机性成分的拟合模型对处于水文变异点之前的水位进行预测,然后与实际的水位测量值进行比较,以实现对所得到的水位随机性成分的拟合模型的检验,而在确定是否检验合格时,通过计算其预测的准确性来判断。
参照图3,图3为本申请实施例提供的对水位随机性成分的拟合模型进行校验的步骤的一流程示意图,其中,该步骤包括步骤S301至步骤S303。
步骤S301、基于所述第一水文变异点之前的历史水位序列,对所述的拟合模型进行验证,得到所述第一水文变异点之前的历史水位序列中每一数据对应的偏差值;
步骤S302、根据所述偏差值计算得到所述拟合模型的准确率,并根据所述准确率确定所述拟合模型是否校验通过;
步骤S303、若基于所述述准确率确定所述拟合模型校验未通过,则对所述拟合模型的参数进行调整和优化。
在进行校验时,通过所得到的水位随机性成分的拟合模型基于第一水文变异点之前的历史水位序列进行数据预测,然后将所得到的预测结果与实际结果进行比对,通过计算偏差值确定是否通过准确性的校验,其中,若所得到的准确率满足所设定的条件阈值,则说明通过验证,反之则确定未通过验证,同时在确定未通过验证时则需要对拟合模型进行相应的参数优化和调整。
在实际应用处理过程中,在水文序列未发生变异时,回归处理后所得到的模型是能够满足所需求的准确性的。若此时所得到的拟合模型不满足所设定的准确性的要求时,可能是在确定水文变异点的时候出现了异常,也就是发生水文变异的最早的时间点并不是当前所确定的点,可能是在更早的时间。因此,此时若在确定不满足验证通过的条件时,可以重新基于水文变异诊断系统进行水文变异点的确定,或者使用更加精确的水文变异诊断系统完成水文变异点的确定,并在重新确定之后,重新构建相应的拟合模型,并进行验证,同时还可以进行相应的参数优化和调整。基于此,可以更好的保证数据的一致性,可以更好的提高生态水位预测的准确性,进而在确定生态水位时可具有更好的准确性。
示例性地,在对所得到的拟合模型进行校验时,所得到的水位预测结果与实测结果的对比可以如下表1所示。
表1
从上表1可以看出,利用逐步回归分析模型构建的水位与其影响因素之间的预测模型,在允许误差[-5%,5%]的范围内时,合格率为100%,说明此时所得到的拟合模型能够满足预测准确度的要求。
步骤S102、根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分。
由上述举例可以知道,在构建拟合模型时是基于1972年之前的水位信息的相关数据进行分析处理所得到的,由于1972年为水文变异点,那么显然对于处于1972年之后的水位的预测和真实水位之间会存在有一定的差异,因此此时需要确定处于水文变异点之后的差异性在哪,也就是需要得到确定性成分。
实际上,水文现象的变化无论多么复杂,水文序列总可以分解成两种成分,即确定性成分和随机性成分。确定性成分具有一定的物理概念,包括周期、趋势和跳跃成分;随机成分由不规则的振荡和随机因素造成,不能严格地从物理上阐明,只能用随机序列理论来研究,其中,前述基于水文变异点之前的第一水文变异点之前的历史水位序列所得到拟合模型即确定的是随机性成分。而由于水文变异点的存在,导致历史数据之间一致性被破坏,因此需要通过确定性成分的调节,使得在进行水位预测时,历史数据具有一致性的特点。
因此,在一实施例中,在基于水位随机性成分/第一水文变异点之前的历史水位序列得到拟合模型之后,根据历史数据以及水文变异点对拟合模型进行更新,然后再基于更新后的拟合模型来确定相应的确定性成分。具体地,在进行确定性成分的确定时,是确定水文变异点之后的所有存在有变异的影响因素的确定性成分以及各影响因素的调节结果。
参照图4,图4为本申请实施例提供的得到确定性成分的步骤的一流程示意图。其中,该步骤包括步骤S401至步骤S404。
步骤S401、识别所述水文变异点所对应的影响因子,其中所述水文变异点与所述影响因子一一对应;
步骤S402、对所述第一水文变异点之前的历史数据进行均值统计得到各影响因子第一均值,以及对所述第一水文变异点之后的历史数据进行均值统计得到各影响因子第二均值,其中每一影响因子均对应一个第一均值和一个第二均值;
步骤S403、基于所述第一均值和所述第二均值,得到所述影响因子中每一影响因子对应的偏差值,并基于所述偏差值对所述拟合模型进行更新;
步骤S404、根据更新后的所述拟合模型,基于所述第一水文变异点之后的历史数据得到确定性成分。
在一实施例中,在确定性成分的确定过程中,首先识别水文变异点所对应的影响因子,由于第一水文变异点将历史数据划分为两个部分,包括第一水文变异点之前的历史数据和第一水文变异点之后的历史数据,然后在第一水文变异点之前的历史数据据中对影响因子对应的数值进行统计,以及进行均值处理,且在第一水文变异点之后的历史数据中进行相同的处理,接着通过计算每一影响因子对应的均值差,得到每一影响因子对应的偏差值,以根据所得到的偏差值对基于拟合模型进行更新,最后基于更新后的拟合模型得到确定性成分。
示例性地,在确定湖口水位、流域降水、流域蒸发、九江流量分别在1988年、1988年、1972年、1994年发生变异之后,说明在第一水文变异点(1972年)之后有4个影响因素为影响因子,而为了保证数据的一致性,即使个影响因素出现变异的时间不同,依旧以第一变异点(1972年)为数据的分割点,来进行数据的统计,进而实现对拟合模型的更新。具体地,在对拟合模型进行更新时,包括:以影响因子为一组别,计算所述第一均值与所述第二均值的均值差,得到所述影响因子中每一影响因子对应的偏差值;将所述偏差值输入至所述拟合模型中,对所述拟合模型进行更新。
也就是,在得到每一个影响因子分别对应的第一均值和第二均值之后,计算得到每一个影响因子对应的偏差值,进而根据偏差值对拟合模型进行更新。示例性地,以1972年为数据分割点,将湖口水位划分为两组,通过数据统计和均值计算,若得到1972年之前的湖口水位的均值为50,且1972年之后的湖口水位的均值为100,那么湖口水位对应的因素偏差值为100-50=50。
同时,通过对每一影响因子的统计处理,可以得到每一因素对应的偏差值,进而对拟合模型进行更新,而更新后的拟合模型可以如下:
Y sw=2.86+9.04×10-4(X hk-50)+4.89×10-4(X jj-22)+2.41×10-3(X js-20)+6.89×10-3(X zf-70)-7.74×10-4X rl;
而在完成对拟合模型的更新之后,将会利用更新后的拟合模型完成确定性成分的确定,具体地,参照图5,图5为本申请实施例提供的得到确定性成分的步骤的又一流程示意图,其中,该步骤包括步骤S501至步骤S502。
步骤S501、将所述第一水文变异点之后的历史数据中各影响因子输入至更新后的所述拟合模型中,得到所述第一水文变异点之后的历史数据中每一数据对应的预测值;
步骤S502、将所述预测值与所述第一水文变异点之后的历史数据包含的实测值进行对比,得到数据差值,并统计所述数据差值进行均值计算得到确定性成分。
在得到更新后的拟合模型之后,根据更新后的拟合模型基于第二数据进行水位预测是,得到相应的预测值,同时第一水文变异点之后的历史数据均包含有相应的实测值,然后计算预测值与实测值之间的差值,并且进行差值的均值计算,以得到确定性成分。
示例性地,在根据更新后的拟合模型基于第一水文变异点之后的历史数据进行预测之后,与每一年对应的实测值进行确定项(差值)的计算,此时在对所得到的数据进行统计时,统计结果可以如下表2所示。
表2
具体地,由上表2可以知道,确定项的均值为0.17,也就是确定性成分为0.17。
步骤S103、基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
在一实施例中,确定性成分用于生态水位的确定,而生态水位的确定是基于实际的环境所确定的,一个适合当前生态环境的水位是当前较为合适的生态水位,也就是生态水位不应该过高,也不应该过低。具体地,在确定生态水位时,首先基于更新后的拟合模型对历史数据进行处理,并对处理后的历史数据进行分析处理,通过数据拟合得到相应的拟合曲线,得到不同频率对应的水位值,进而根据所得到的确定性成分在所得到的拟合曲线中确定生态水位。
实际上,在数据满足一致性的要求之后,可以直接采用传统的频率计算方法推求其频率分布。因此,首先对所得到的历史数据进行一致性的处理,由于处于第一变异点之前的数据满足一致性的要求,因此在进行一致性的处理时,是对处于第一变异点之后的数据进行处理,具体地,通过更新后的拟合模型基于第一水文变异点之后的历史数据进行水位预测,并且使用预测水位代替对应的真实水位,进而在完成数据替换之后进行数据拟合,通过设置好相应的拟合参数,拟合得到对应的拟合曲线,最后在基于确定性成分在拟合曲线中得到相应的生态水位。
参照图6,图6为本申请实施例提供的确定生态水位的步骤的一流程示意图,其中,该步骤包括步骤S601至步骤S605。
步骤S601、将所述第一水文变异点之后的历史数据以及所述预测值进行汇总,并对汇总后的数据进行统计,得到水位与概率之间的对应关系;
步骤S602、对统计后的结果基于设定好的拟合参数进行数据拟合,得到对应的拟合曲线;
步骤S603、通过在拟合曲线上选择生态水位概率值,得到对应水位值;
步骤S604、若确定生态水位存在水位补偿,则将所述水位值与所述确定性成分进行相加,得到生态水位;
步骤S605、若确定生态水位不存在水位补偿,则确定所述水位值为生态水位。
在一实施例中,为了保证数据的一致性,因此对于处于第一水文变异点之后历史数据需要进行相应的调节,也就是处于第一水文变异点之后的历史水位数据不能用于生态水位的预测,因此,将第一水文变异点之后的历史数据和预测值进行汇总,以得到满足一致性要求的水位数据,然后对汇总后的数据进行统计处理,生成水位与概率对应关系的统计结果,接着对统计结果根据所设定好的拟合参数进行拟合,得到相应的拟合曲线,然后在确定生态水位时,通过选择生态水位对应的概率值在拟合曲线上得到对应的水位值,最后通过确定是否基于确定性成分进行水位补偿,得到相应的生态水位。
在生态水位的确定过程中,确定性成分为在拟合曲线中所得到的水位的一个水位
补偿值,而为了确定将确定性成分作为水位补偿值,预先进行了一定的实验处理。示例性
地,在得到确定性成分为0.17之后,在对基于第一水文变异点之后的历史数据和预测值所
得到的汇总数据进行统计时,假设汇总数据服从P-Ⅲ型分布,采用有约束加权适线法计算
频率曲线参数,此时得到水位均值=7.97m,同时设定变差系数Cv=0.16、偏态系数Cs=1.66
以及理论频率曲线与样本点据的拟合效率系数R2=94.56%。此时的频率计算结果如表3所
示。
表3
采用分布合成方法对非一致性水位序列进行合成计算。根据所得到的确定性成分,对存在跳跃变异点的各序列的确定性成分取均值,再结合水位随机性成分的统计规律,得到各月及年平均水位合成样本点据,再采用有约束加权适线法对各样本序列进行P-Ⅲ型分布频率曲线计算,得到均值、变差系数Cv、偏态系数Cs,并计算得到理论频率曲线与样本点据的拟合效率系数R2。
首先根据随机性成分的统计特征进行统计试验,结合湖口站一月份的确定性趋势
成分,随机生成湖口站一月份(N=5000)年径流合成样本点据,并统计大于等于每一个样本
点据的次数n,然后用期望值公式计算每个样本点据的经验频率。采用有约束加权适线法对
合成样本序列进行P-Ⅲ型分布频率曲线计算,其中湖口站一月份年径流考虑现状条件下合
成序列的均值=(7.97+0.17)=8.14m、变差系数Cv=0.15,Cs=1.66,样本点据与频率曲线拟
合的模型效率系数R2=94.56%,其频率计算结果如表4。
表4
然后,将上述两个表进行汇总得到下表5。
表5
由此可见,所得到的确定性成分在确定生态水位时,可以直接在基于第一水文变异点之后的历史数据和预测值进行数据拟合的基础上进行水位补偿,即可得到相应的生态水位,因此,在确定生态水位时,通过对第一水文变异点之后的历史数据和预测值进行汇总后的进行数据拟合,然后选择生态水位对应的频率点,得到对应的水位值,最后根据所得到的水位值与确定性成分得到此时对应的生态水位。
在实际应用中,通过选择一生态水位的上限概率和下限概率,然后通过数据读取和水位补偿,即可得到当前所对应的生态水位。
同时,在基于确定性成分与拟合曲线得到生态水位时,首先确定是否需要进行水位补偿。在上述的确定生态水位的过程中,通过前述描述的处理方式进行处理得到拟合曲线之后,通过在拟合曲线上读取上限概率和下限概率所对应的水位值,此时可以通过确定性成分的补偿以得到对应的生态水位,还可以之间将所得到的水位值确定为生态水位。
在实际的应用过程中,在确定生态水位时,通过经验或者验证等,可能进行水位补偿得到的生态水位更加准确,同时还可能不进行水位补偿时的生态水位更加准确,因此在得到生态水位时,根据实际的情况和需求确定是否需要进行水位补偿。而在不需要进行补偿时,可以直接在拟合曲线上进行水位的读取,以作为生态水位,而在需要进行不尝试,在读取了水位值之后,通过将确定性成分相加至所得到的水位值上,以得到生态水位。
也就是说,在确定生态水位时,在拟合曲线上读取了上限概率和下限概率分别对应的水位值之后,可以直接将其作为生态水位,也可以利用确定性成分进行水位补偿之后作为生态水位,具体可以根据实际的情况和需求所确定。
综上所述,本申请实施例提供的基于水文变异的生态水位分析方法中,在进行生态水位的预测时,首先确定数据中的水文变异点,然后根据最早的水文变异点在历史数据中得到用于构建水位随机性成分的拟合模型的水位随机性成分,以根据水位随机性成分进行分析得到拟合模型,进而根据历史数据以及所确定的最早的水文变异点对拟合模型进行更新,并根据更新后的水位随机性成分拟合模型得到确定性成分,同时根据更新后的拟合模型对历史数据进行处理,且对处理后的历史数据进行数据拟合,最后根据所得到的确定性成分以及拟合得到的曲线实现生态水位的确定。实现了在生态水位的预测过程中,通过对历史数据进行处理,使得数据满足生态水位预测的一致性的要求,考虑环境因素带来的水文变化,提高了生态水位频率计算和预测的准确性。
根据上述实施例所描述的方法,本实施例将从基于水文变异的生态水位分析装置的角度进一步进行描述,该基于水文变异的生态水位分析装置具体可以作为独立的实体来实现,也可以集成在电子设备,比如终端中来实现,该终端可以包括手机、平板电脑等。
请参见图7,图7为本申请实施例提供的基于水文变异的生态水位分析装置的一种结构示意图,如图7所示,本申请实施例提供的基于水文变异的生态水位分析装置700,包括:
模型构建模块701,用于基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
模型调节模块702,用于根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
水位确定模块703,用于基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
具体实施时,以上各个模块和/或单元可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块和/或单元的具体实施可参见前面的方法实施例,具体可以达到的有益效果也请参看前面的方法实施例中的有益效果,在此不再赘述。
另外,请参见图8,图8为本申请实施例提供的电子设备的一种结构示意图,该电子设备可以是移动终端如智能手机、平板电脑等设备。如图8所示,电子设备800包括处理器801、存储器802。其中,处理器801与存储器802电性连接。
处理器801是电子设备800的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或加载存储在存储器802内的应用程序,以及调用存储在存储器802内的数据,执行电子设备800的各种功能和处理数据,从而对电子设备800进行整体监控。
在本实施例中,电子设备800中的处理器801会按照如下的步骤,将一个或一个以上的应用程序的进程对应的指令加载到存储器802中,并由处理器801来运行存储在存储器802中的应用程序,从而实现各种功能:
基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
该电子设备800可以实现本申请实施例所提供的基于水文变异的生态水位分析方法任一实施例中的步骤,因此,可以实现本申请实施例所提供的任一基于水文变异的生态水位分析方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
请参见图9,图9为本申请实施例提供的电子设备的另一种结构示意图,如图9所示,图9示出了本申请实施例提供的电子设备的具体结构框图,该电子设备可以用于实施上述实施例中提供的基于水文变异的生态水位分析方法。该电子设备900可以为移动终端如智能手机或笔记本电脑等设备。
RF电路910用于接收以及发送电磁波,实现电磁波与电信号的相互转换,从而与通讯网络或者其他设备进行通讯。RF电路910可包括各种现有的用于执行这些功能的电路元件,例如,天线、射频收发器、数字信号处理器、加密/解密芯片、用户身份模块(SIM)卡、存储器等等。RF电路910可与各种网络如互联网、企业内部网、无线网络进行通讯或者通过无线网络与其他设备进行通讯。上述的无线网络可包括蜂窝式电话网、无线局域网或者城域网。上述的无线网络可以使用各种通信标准、协议及技术,包括但并不限于全球移动通信系统(Global System for Mobile Communication, GSM)、增强型移动通信技术(EnhancedData GSM Environment, EDGE),宽带码分多址技术(Wideband Code Division MultipleAccess, WCDMA),码分多址技术(Code Division Access, CDMA)、时分多址技术(TimeDivision Multiple Access, TDMA),无线保真技术(Wireless Fidelity, Wi-Fi)(如美国电气和电子工程师协会标准 IEEE 802.11a, IEEE 802.11b, IEEE802.11g 和/或 IEEE802.11n)、网络电话(Voice over Internet Protocol, VoIP)、全球微波互联接入(Worldwide Interoperability for Microwave Access, Wi-Max)、其他用于邮件、即时通讯及短消息的协议,以及任何其他合适的通讯协议,甚至可包括那些当前仍未被开发出来的协议。
存储器920可用于存储软件程序以及模块,如上述实施例中基于水文变异的生态水位分析方法对应的程序指令/模块,处理器980通过运行存储在存储器920内的软件程序以及模块,从而执行各种功能应用以及基于水文变异的生态水位预测,即实现如下功能:
基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
存储器920可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器920可进一步包括相对于处理器980远程设置的存储器,这些远程存储器可以通过网络连接至电子设备900。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入单元930可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。具体地,输入单元930可包括触敏表面931以及其他输入设备932。触敏表面931,也称为触摸显示屏或者触控板,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触敏表面931上或在触敏表面931附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触敏表面931可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器980,并能接收处理器980发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触敏表面931。除了触敏表面931,输入单元930还可以包括其他输入设备932。具体地,其他输入设备932可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元940可用于显示由用户输入的信息或提供给用户的信息以及电子设备900的各种图形用户接口,这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。显示单元940可包括显示面板941,可选的,可以采用LCD(Liquid Crystal Display,液晶显示器)、OLED(Organic Light-Emitting Diode,有机发光二极管)等形式来配置显示面板941。进一步的,触敏表面931可覆盖显示面板941,当触敏表面931检测到在其上或附近的触摸操作后,传送给处理器980以确定触摸事件的类型,随后处理器980根据触摸事件的类型在显示面板941上提供相应的视觉输出。虽然在图中,触敏表面931与显示面板941是作为两个独立的部件来实现输入和输出功能,但是在某些实施例中,可以将触敏表面931与显示面板941集成而实现输入和输出功能。
电子设备900还可包括至少一种传感器950,比如光传感器、运动传感器以及其他传感器。具体地,光传感器可包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板941的亮度,接近传感器可在翻盖合上或者关闭时产生中断。作为运动传感器的一种,重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;至于电子设备900还可配置的陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器,在此不再赘述。
音频电路960、扬声器961,传声器962可提供用户与电子设备900之间的音频接口。音频电路960可将接收到的音频数据转换后的电信号,传输到扬声器961,由扬声器961转换为声音信号输出;另一方面,传声器962将收集的声音信号转换为电信号,由音频电路960接收后转换为音频数据,再将音频数据输出处理器980处理后,经RF电路910以发送给比如另一终端,或者将音频数据输出至存储器920以便进一步处理。音频电路960还可能包括耳塞插孔,以提供外设耳机与电子设备900的通信。
电子设备900通过传输模块970(例如Wi-Fi模块)可以帮助用户接收请求、发送信息等,它为用户提供了无线的宽带互联网访问。虽然图中示出了传输模块970,但是可以理解的是,其并不属于电子设备900的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器980是电子设备900的控制中心,利用各种接口和线路连接整个手机的各个部分,通过运行或执行存储在存储器920内的软件程序和/或模块,以及调用存储在存储器920内的数据,执行电子设备900的各种功能和处理数据,从而对电子设备进行整体监控。可选的,处理器980可包括一个或多个处理核心;在一些实施例中,处理器980可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解地,上述调制解调处理器也可以不集成到处理器980中。
电子设备900还包括给各个部件供电的电源990(比如电池),在一些实施例中,电源可以通过电源管理系统与处理器980逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源990还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
尽管未示出,电子设备900还包括摄像头(如前置摄像头、后置摄像头)、蓝牙模块等,在此不再赘述。具体在本实施例中,电子设备的显示单元是触摸屏显示器,移动终端还包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行一个或基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
具体实施时,以上各个模块可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个模块的具体实施可参见前面的方法实施例,在此不再赘述。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。为此,本申请实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本申请实施例所提供的基于水文变异的生态水位分析方法中任一实施例的步骤。
其中,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。
由于该存储介质中所存储的指令,可以执行本申请实施例所提供的基于水文变异的生态水位分析方法任一实施例中的步骤,因此,可以实现本申请实施例所提供的任一基于水文变异的生态水位分析方法所能实现的有益效果,详见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种基于水文变异的生态水位分析方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。并且,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本申请的保护范围。
Claims (10)
1.一种基于水文变异的生态水位分析方法,其特征在于,包括:
基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
2.根据权利要求1所述的方法,其特征在于,所述基于水文变异点获取随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型,还包括:
识别所述水文变异点包含的时间序列,并基于所述时间序列得到第一水文变异点;
基于所述第一水文变异点在所述历史数据中进行数据筛选,得到水位随机性成分;
对所述水位随机性成分进行回归处理,得到水位随机性成分的拟合模型。
3.根据权利要求2所述的方法,其特征在于,所述基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型之后,还包括:
基于所述第一水文变异点之前的历史水位序列,对所述拟合模型进行验证,得到所述第一水文变异点之前的历史水位序列的每一数据对应的偏差值;
根据所述偏差值计算得到所述拟合模型的准确率,并根据所述准确率确定所述拟合模型是否校验通过;
若基于所述准确率确定所述拟合模型校验未通过,则对所述拟合模型的参数进行调整和优化。
4.根据权利要求2所述的方法,其特征在于,所述根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合得到确定性成分,包括:
识别所述水文变异点所对应的影响因子,其中所述水文变异点与所述影响因子一一对应;
对所述第一水文变异点之前的历史数据进行均值统计得到各影响因子第一均值,以及对所述第一水文变异点之后的历史数据进行均值统计得到各影响因子第二均值,其中每一个影响因子均对应一个第一均值和一个第二均值;
基于所述第一均值和所述第二均值,得到所述影响因子中每一影响因子对应的偏差值,并基于所述偏差值对所述拟合模型进行更新;
根据更新后的所述拟合模型,基于所述第一水文变异点之后的历史数据得到确定性成分。
5.根据权利要求4所述的方法,其特征在于,所述基于所述第一均值和所述第二均值,得到所述影响因子中每一影响因子对应的因素偏差值,并基于所述因素偏差值对所述水位随机性成分的拟合模型进行更新,包括:
以影响因子为一组别,计算所述第一均值与所述第二均值的均值差,得到所述影响因子中每一影响因子对应的偏差值;
将所述因素偏差值输入至所述拟合模型中,对所述水位随机性成分的拟合模型进行更新。
6.根据权利要求4所述的方法,其特征在于,所述根据更新后的所述拟合模型,基于所述第一水文变异点之后的历史数据得到确定性成分,包括:
将所述第一水文变异点之后的历史数据中各影响因子输入至更新后的所述拟合模型中,得到所述第一水文变异点之后的历史数据中每一数据对应的预测值;
将所述预测值与所述第一水文变异点之后的历史数据包含的实测值进行对比,得到数据差值,并统计所述数据差值进行均值计算得到确定性成分。
7.根据权利要求6所述的方法,其特征在于,所述基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位,包括:
将所述第一水文变异点之后的历史数据以及所述预测值进行汇总,并对汇总后的数据进行统计,得到水位与概率之间的对应关系;
对统计后的结果基于设定好的拟合参数进行数据拟合,得到对应的拟合曲线;
通过在拟合曲线上选择生态水位概率值,得到对应水位值;
若确定生态水位存在水位补偿,则将所述水位值与所述确定性成分进行相加,得到生态水位;
若确定生态水位不存在水位补偿,则确定所述水位值为生态水位。
8.一种基于水文变异的生态水位分析装置,其特征在于,包括:
模型构建模块,用于基于水文变异点获取水位随机性成分,并基于逐步回归分析得到水位随机性成分的拟合模型;
模型调节模块,用于根据历史数据以及所述水文变异点对所述拟合模型进行更新,并基于更新后的所述拟合模型得到确定性成分;
水位确定模块,用于基于更新后的所述拟合模型对所述历史数据处理,并对处理后的所述历史数据进行拟合,得到对应的拟合曲线,并基于所述确定性成分以及所述拟合曲线得到生态水位。
9.一种电子设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述存储器与所述处理器耦接,且所述处理器执行所述计算机程序时,实现如权利要求1至7任一项所述的基于水文变异的生态水位分析方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在的设备执行如权利要求1至7任一项所述的基于水文变异的生态水位分析方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210361226.9A CN114444333B (zh) | 2022-04-07 | 2022-04-07 | 生态水位分析方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210361226.9A CN114444333B (zh) | 2022-04-07 | 2022-04-07 | 生态水位分析方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114444333A true CN114444333A (zh) | 2022-05-06 |
CN114444333B CN114444333B (zh) | 2022-07-08 |
Family
ID=81360076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210361226.9A Active CN114444333B (zh) | 2022-04-07 | 2022-04-07 | 生态水位分析方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444333B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781766A (zh) * | 2022-06-22 | 2022-07-22 | 长江水利委员会长江科学院 | 水文站点的水文信息预测方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3324219A1 (en) * | 2016-11-22 | 2018-05-23 | Uniwersytet Wroclawski | Method for determining an expected inflow to a water reservoir |
CN108897977A (zh) * | 2018-08-24 | 2018-11-27 | 河海大学 | 一种基于大区域水文模拟的径流演变不确定归因方法 |
CN113688542A (zh) * | 2021-10-26 | 2021-11-23 | 长江水利委员会长江科学院 | 智能优化水资源配置方法、装置、计算机设备及存储介质 |
US20210364462A1 (en) * | 2019-02-04 | 2021-11-25 | The University Of Melbourne | Soil moisture estimation |
-
2022
- 2022-04-07 CN CN202210361226.9A patent/CN114444333B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3324219A1 (en) * | 2016-11-22 | 2018-05-23 | Uniwersytet Wroclawski | Method for determining an expected inflow to a water reservoir |
CN108897977A (zh) * | 2018-08-24 | 2018-11-27 | 河海大学 | 一种基于大区域水文模拟的径流演变不确定归因方法 |
US20210364462A1 (en) * | 2019-02-04 | 2021-11-25 | The University Of Melbourne | Soil moisture estimation |
CN113688542A (zh) * | 2021-10-26 | 2021-11-23 | 长江水利委员会长江科学院 | 智能优化水资源配置方法、装置、计算机设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
张洪波等: "人类活动对洞庭湖区荆南三河径流变化的定量影响", 《地球科学与环境学报》 * |
王军等: "混合分布在非一致性水文频率分析中的应用", 《南水北调与水利科技》 * |
王路等: "非一致性最低通航水位设计的保证率频率法", 《水力发电学报》 * |
黄凯等: "基于非一致性水文序列的水库极限防洪风险复核分析", 《水力发电学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114781766A (zh) * | 2022-06-22 | 2022-07-22 | 长江水利委员会长江科学院 | 水文站点的水文信息预测方法、装置、设备及存储介质 |
CN114781766B (zh) * | 2022-06-22 | 2022-09-13 | 长江水利委员会长江科学院 | 水文站点的水文信息预测方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114444333B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108268366B (zh) | 测试用例执行方法及装置 | |
US10663521B2 (en) | Method and device for ascertaining required charging time | |
US20170109756A1 (en) | User Unsubscription Prediction Method and Apparatus | |
JP2020537213A (ja) | 端末の電力消費を低減するための方法、および端末 | |
CN106096359A (zh) | 一种解锁控制方法及移动终端 | |
CN114781766B (zh) | 水文站点的水文信息预测方法、装置、设备及存储介质 | |
CN107404753B (zh) | 音量调节方法、装置、终端及存储介质 | |
CN106055079A (zh) | 一种中央处理器的管理方法、及装置 | |
CN114444333B (zh) | 生态水位分析方法、装置、电子设备及存储介质 | |
CN107003758B (zh) | 鬼点处理方法及用户设备 | |
CN108886548B (zh) | 一种确定电子设备的器件功耗的方法、电子设备以及存储介质 | |
CN109670313A (zh) | 系统运行中进行风险评估的方法、装置和可读存储介质 | |
CN110798511A (zh) | 目标app的日活跃用户数量预测方法及计算机设备 | |
CN114091611A (zh) | 设备负载重量获取方法、装置、存储介质及电子设备 | |
CN107797832B (zh) | 应用清理方法、装置、存储介质及电子设备 | |
CN117269946A (zh) | 蓝牙设备之间的距离确定方法、装置、电子设备及介质 | |
CN107423123A (zh) | 任务调度方法、装置、存储介质及电子设备 | |
CN107450984A (zh) | 任务调度方法、装置、存储介质及电子设备 | |
CN113052198A (zh) | 一种数据处理方法、装置、设备及存储介质 | |
CN114252100B (zh) | 传感器在线标定方法、装置、设备及存储介质 | |
CN113918757A (zh) | 应用推荐方法、装置、电子设备及存储介质 | |
CN110688351B (zh) | 一种命名文件夹的方法、第一终端设备以及网络设备 | |
CN114840570A (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN111132282B (zh) | 一种应用于移动终端的应用处理器唤醒方法及装置 | |
CN110611930B (zh) | 一种测量结果获取方法、信息发送方法及设备 |
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 |