CN115841071A - 基于水循环动态知识图谱的数字孪生流域场景建模方法 - Google Patents
基于水循环动态知识图谱的数字孪生流域场景建模方法 Download PDFInfo
- Publication number
- CN115841071A CN115841071A CN202211459831.6A CN202211459831A CN115841071A CN 115841071 A CN115841071 A CN 115841071A CN 202211459831 A CN202211459831 A CN 202211459831A CN 115841071 A CN115841071 A CN 115841071A
- Authority
- CN
- China
- Prior art keywords
- data
- water circulation
- dynamic knowledge
- circulation dynamic
- 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.)
- Pending
Links
Images
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
Landscapes
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于水循环动态知识图谱的数字孪生流域场景建模方法,包括如下步骤,基于流域内的水循环遥感反演数据以及地面站点监测数据,构建水循环动态知识图谱;搭建流域‑子流域‑聚合单元‑最小颗粒度单元的多尺度嵌套数字孪生框架,在逐级网格上开展数据时空展布和模型配置,利用知识图谱实现数据与模型的自关联,从而实现数字孪生流域场景建模。本发明以水循环动态知识图谱为知识库,架构了多尺度嵌套数字孪生框架,耦合了数据与水循环模块,实现了时空一致的数据组织机制,构建出高保真的镜像数字流域,为后续开展的基于平行数字流域的高精度水文预报、防洪调度及模拟预测提供技术支撑。
Description
技术领域
本发明属于中小流域的数字孪生技术领域,具体涉及一种基于水循环动态知识图谱的数字孪生流域场景建模方法。
背景技术
中小流域已成为我国洪涝灾害损失的主题和防灾减灾的薄弱环节,中小流域下垫面资料缺乏,雨水情监测不足,洪水预报精度和预见期仍是瓶颈。随着水利进入新的发展阶段,根据水利部推进智慧水利建设部署,构建数字孪生流域已经成为当前智慧水利建设的核心任务和目标,通过数字孪生技术创建一个与真实物理流域相互映射、协同交互的镜像数字流域,可以有效提升中小河流洪水预报预警能力。但是数字孪生技术在水利领域的应用仍处于初期,目前现有的业务管理系统虽然已有大量的监测数据,但离数字孪生流域的全要素、全过程管理要求还有一定的距离。主要问题表现在对流域的遥感信息、地面站点的监测数据等采集精度、处理速度、利用程度、更新频次方面明显不足,并没有一种有效的理论和技术将这些信息组织起来,用于刻画整个流域的要素;同时,对于业界所采用的大部分水文预报模型和水动力模型,一方面通用化不足、灵活度太低,即模型之间无法通用,将模型移植到其他问题时仍需重新编制模型,另一方面无法充分利用流域的下垫面信息,模型的适用性和精度亟需提高。因此,需要探索发明一种新的数字孪生流域构建方法,面向多尺度水利对象研究时空一致的数据组织机制,对水循环模型进行模块化解耦并挖掘水利对象、单元特征、水循环模块间的关联关系,构建出高保真的镜像数字流域,从而实现数字孪生流域全要素、全过程、细粒度的场景建模,支撑对物理流域进行超前仿真预演,以解决数字孪生技术在水利领域应用的技术难题。
发明内容
发明目的:本发明的目的在于提供一种基于水循环动态知识图谱的数字孪生流域场景建模方法,实现数字孪生流域全要素、全过程、细粒度的场景建模。
技术方案:本发明提供一种基于水循环动态知识图谱的数字孪生流域场景建模方法,包括以下步骤:
(1)构建水循环动态知识图谱:基于流域内的水循环遥感反演数据,并结合地面站点监测数据,收集各类结构化与非结构化基础数据,通过本体构建、对象关系抽取、知识融合,形成表征水利业务、水利对象、水文模型和数据之间的关联关系,从而实现水循环动态知识图谱的构建;
(2)搭建多尺度嵌套数字孪生框架,在逐级网格上开展数据时空展布和模型配置;
(3)利用水循环动态知识图谱实现数据与模型的自关联和自匹配,完成多尺度水循环数据与模型自组织,实现数字孪生流域全要素、全过程的场景建模。
进一步地,所述步骤(1)包括以下步骤:
(11)将图谱抽象为五元组结构,定义为:
Gwa=(C,P,R,A,I)
其中,C为水利对象的概念集,P为相关概念的属性集,R为关系集,I为实例集,A为概念间的稳定关系,水循环动态知识图谱中的公理与概念的关系为:
其中,A1是一条具体的公理,C1、C2和C3之间的关系构成了公理A1,在三个概念的实例化过程中起到约束作用;
(12)在P和R中加入时变性和空间性,通过融入九交模型来完成该操作,对于I的两个实例A和B,通过二者边界(δA,δB)、内部(A0,B0)、和外部(A-1,B-1)三者相交的九元组实现,表征实例A和B的拓扑关系,如下矩阵:
(13)设计图谱的模式层和实例层,图谱中每一个节点对应一张对象名录表和对象基础信息表,构建出完整的水循环动态知识图谱。
进一步地,所述步骤(2)包括以下步骤:
(21)基于中小河流域基础水文地理数据,进行河网水系数字化提取工作;
(22)以河网为骨架,以表征水循环过程的降雨产流汇流演进过程为目标,基于最小颗粒度单元网格开展流域内网格聚合,在河道内根据已知断面进行条状聚合,在非河道区域结合地形地貌、水文气象特征和下垫面条件的同质性进行四边形网格聚合,形成聚合单元;
(23)结合子流域的划分,最终形成最小颗粒度单元聚合单元子流域流域的多尺度嵌套数字孪生框架;
(24)针对流域内的典型场次洪水数据,进行数据梳理和预处理,并将水循环动态知识图谱中的水利对象的属性数据,以表征水文模型的降雨-蒸散发-产流-径流-坡地汇流-河道汇流的结构为依据,将这些数据在流域-子流域-聚合单元-最小颗粒度单元的多尺度嵌套数字孪生框架的四层网格上分别进行展布。
进一步地,步骤(3)所述的利用水循环动态知识图谱实现数据与模型的自关联的实现过程如下:
调用模型执行智能体,基于水循环动态知识图谱中,调取图谱中水文模型的参数,并利用水文模型参数与流域地貌特征、土壤类型以及植被覆盖数据之间的关联关系,调用智能体,获取水文模型初始演算所要求的参数值;
对于缺失的数据,对水循环动态知识图谱中的数据进行补全;
对已有的符合尺度需求的数据进行数据处理,得到水文模型计算所需的所有参数值,并在水循环动态知识图谱中将水文模型的参数与参数值进行关联。
进一步地,步骤(3)所述的利用水循环动态知识图谱实现数据与模型的自匹配实现过程为:
根据不同网格间的数据关联进行数据对齐,并在不同尺度网格的交汇点,基于网格单元间的水流交换规律以及不同网格间的演算次序,实现产流-汇流不同尺度网格间的数据匹配;
针对多尺度流域水文模型计算所需的数据存在缺失的问题,基于水循环动态知识图谱以及回归模型的缺失数据处理方法,利用EMB等数据多重插补算法,使之符合数据一致性和时空匹配性,实现数据缺失下的水文模型数据准备。
进一步地,步骤(21)所述的河网水系数字化提取工作的过程为:
基于水循环动态知识图谱,获取中小流域的地形地貌和DEM等数据,通过洼地填平、水流方向计算、水流积聚计算、提取河网栅格、生成河网矢量、矢量河网处理、空间拓扑建立、流域水系分级、图层属性入库,确定最小颗粒度单元网格信息并获取网格单元的演算次序;然后按照水系源头搜索出整个水系并进行自然子流域的划分,以确定流域的边界,并提取中小流域的地貌特征。
有益效果:与现有技术相比,本发明的有益效果:1、围绕水循环动态知识图谱的构建,搭建了流域-子流域-聚合单元-最小颗粒度单元的多尺度嵌套数字孪生框架,进行尺度间数据时空展布和数据模型关联,实现了时空一致的数据组织机制、2、基于水循环动态知识图谱,将遥感反演数据、地面观测数据与水文模型模拟进行耦合互馈,并引入了多智能体实现知识数据双驱动的水文模型自适应、自由化校正和自动化运行,构建出高保真的镜像数字流域,从而实现数字孪生流域全要素、全过程、细粒度的场景建模、3、能够为后续开展的基于平行数字流域的高精度水文预报、防洪调度以及模拟预测提供技术支撑。
附图说明
图1是本发明构建的水循环动态知识图谱;
图2是数字孪生流域构建的原理示意图;
图3是多尺度水循环数据与模型组织机制的示意图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明提供一种基于水循环动态知识图谱的数字孪生流域场景建模方法,如图1所示,包括如下步骤:
步骤1:构建水循环动态知识图谱,如图1所示。
基于流域内的自然地理数据、水文气象数据、土壤类型数据、植被覆盖数据、水体面积数据等水循环遥感反演数据,并结合降雨数据、蒸散发数据等地面站点监测数据,收集各类结构化与非结构化基础数据,通过本体构建、对象关系抽取、知识融合等技术、形成可表征水利业务、水利对象、水文模型和数据之间的关联关系,从而实现水循环动态知识图谱的构建并支持实时更新。
首先将图谱抽象为五元组结构,定义为:
Gwa=(C,P,R,A,I)
其中,C(Concepts)为水利对象的概念集,P(Properties)为相关概念的属性集,R(Relatiohs)为关系集,I(Individuals)为实例集,A(Axioms)为概念间的稳定关系,即公理,公理对概念包含的实例进行约束,所有实例都必须遵循公理,公理与概念的关系可表示为下式:
上式中,A1是一条具体的公理,概念C1、C2和C3之间的关系构成了公理A1,在三个概念的实例化过程中起到约束作用。
为了实现图谱的动态性,需要在P和R中加入时变性和空间性,通过融入九交模型来完成该操作。对于I的两个实例A和B,可以通过二者边界(δA,δB)、内部(A0,B0)、和外部(A-1,B-1)三者相交的九元组实现,来表征实例A和B的拓扑关系,如下矩阵:
基于水利行业标准《水利对象分类与编码总则》、《水利数据目录服务规范》等,结合水利对象数据,设计图谱的模式层和实例层。图谱中每一个节点对应一张对象名录表和对象基础信息表,进而构建出完整的水循环动态知识图谱。
步骤2:搭建多尺度嵌套数字孪生框架,如图2所示,在逐级网格上开展数据时空展布和模型配置。
中小河流数字孪生流域是物理流域包括水文气象、下垫面条件变化在内的数字空间同步映射,可表征流域水循环过程的多尺度数字化场景。以水循环动态知识图谱的构建,以流域-子流域-聚合单元-最小颗粒度单元的多尺度数字孪生框架为架构,开展尺度间数据时空展布和数据模型关联,实现时空一致的数据组织机制,耦合要素数据与水循环模块,构建高保真的镜像数字流域,形成数字孪生流域全要素、全过程、细粒度的场景建模,基于镜像数字流域合理预设场景要素,在后续平行数字流域中实现超前仿真预演。
首先,基于中小河流域基础水文地理数据,进行河网水系数字化提取工作。
中小河流域河网水系的数字化提取工作的过程为,基于水循环动态知识图谱,获取中小流域的地形地貌和DEM等数据,通过洼地填平、水流方向计算、水流积聚计算、提取河网栅格、生成河网矢量、矢量河网处理、空间拓扑建立、流域水系分级、图层属性入库等一系列步骤,确定最小颗粒度单元网格信息并获取网格单元的演算次序。然后按照水系源头搜索出整个水系并进行自然子流域的划分,以确定流域的边界,并提取中小流域的地貌特征,例如最小颗粒度单元网格的坡度坡向、地形指数、流径长度、流域平局坡度、平均河道坡度,将这些地貌特征数据反馈于水循环动态知识图谱中,为后续水文模型参数与相关数据的自组织自关联提供基础。
其次,以河网为骨架,以表征水循环过程的降雨-产流-汇流-演进过程为目标,基于最小颗粒度单元网格开展流域内网格聚合,在河道内根据已知断面进行条状聚合,在非河道区域结合地形地貌、水文气象特征和下垫面条件的同质性进行四边形网格聚合,形成产流区域250m、汇流区域10m、淹没区域1m格网的多尺度聚合单元。
最后,结合子流域的划分,最终形成最小颗粒度单元-聚合单元-子流域-流域的多尺度嵌套数字孪生框架。
针对流域内的典型场次洪水数据,进行数据梳理和预处理,并将水循环动态知识图谱中的水利对象的属性数据,包括地形地貌数据、土壤类型数据、植被覆盖数据、水文气象数据以及降雨数据、蒸散发数据等,以表征水文模型的降雨-蒸散发-产流-径流-坡地汇流-河道汇流的结构为依据,将这些数据在流域-子流域-聚合单元-最小颗粒度单元的多尺度嵌套数字孪生框架的四层网格上分别进行展布。
步骤3:利用水循环动态知识图谱实现数据与模型的自关联和自匹配,完成多尺度水循环数据与模型自组织,构建出高保真的镜像数字流域,从而实现数字孪生流域全要素、全过程的场景建模,如图3所示。
根据不同网格间的数据关联进行数据对齐,并在不同尺度网格的交汇点,基于网格单元间的水流交换规律以及不同网格间的演算次序,实现产流-汇流不同尺度网格间的数据匹配;针对多尺度流域水文模型计算所需的数据存在缺失的问题,基于水循环动态知识图谱以及回归模型的缺失数据处理方法,利用EMB等数据多重插补算法,使之符合数据一致性和时空匹配性,实现数据缺失下的水文模型数据准备。
基于水循环动态知识图谱的水文模型与数据自关联实现过程为:调用模型执行智能体,基于水循环动态知识图谱中,调取图谱中水文模型的蒸散发、产流、汇流等参数,并利用水文模型参数与流域地貌特征、土壤类型以及植被覆盖等数据之间的关联关系,通过估计以及计算等手段获取水文模型初始演算所要求的参数值。对于缺失的数据,进行包括升降尺度在内的数据替代融合方法,对水循环动态知识图谱中的数据进行补全。对已有的符合尺度需求的数据进行数据处理,得到水文模型计算所需的所有参数值,并在水循环动态知识图谱中将水文模型的参数与参数值进行关联。
本实施例中,产流模型的执行过程为,数据检索:根据模型演算参数的计算要求,基于时空范围进行数据源检索,输出符合数据处理要求的数据集;数据处理:对数据源进行清洗、过滤、投影等操作,数据符合参与计算所需要的数据流;参数计算:基于数据源进行计算,由数据需求和计算过程组成,输出参数结果;模型演算:负责具体模型/中间过程计算,由参数和计算过程组成,输出汇流模型所需要的结果;计算调度:对于以上计算过程,优化其执行过程,输出优化后的智能体执行策略。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (6)
1.一种基于水循环动态知识图谱的数字孪生流域场景建模方法,其特征在于,包括以下步骤:
(1)构建水循环动态知识图谱:基于流域内的水循环遥感反演数据,并结合地面站点监测数据,收集各类结构化与非结构化基础数据,通过本体构建、对象关系抽取、知识融合,形成表征水利业务、水利对象、水文模型和数据之间的关联关系,从而实现水循环动态知识图谱的构建;
(2)搭建多尺度嵌套数字孪生框架,在逐级网格上开展数据时空展布和模型配置;
(3)利用水循环动态知识图谱实现数据与模型的自关联和自匹配,完成多尺度水循环数据与模型自组织,实现数字孪生流域全要素、全过程的场景建模。
2.根据权利要求1所述的基于水循环动态知识图谱的数字孪生流域场景建模方法,其特征在于,所述步骤(1)包括以下步骤:
(11)将图谱抽象为五元组结构,定义为:
Gwa=(C,P,R,A,I)
其中,C为水利对象的概念集,P为相关概念的属性集,R为关系集,I为实例集,A为概念间的稳定关系,水循环动态知识图谱中的公理与概念的关系为:
其中,A1是一条具体的公理,C1、C2和C3之间的关系构成了公理A1,在三个概念的实例化过程中起到约束作用;
(12)在P和R中加入时变性和空间性,通过融入九交模型来完成该操作,对于I的两个实例A和B,通过二者边界(δA,δB)、内部(A0,B0)、和外部(A-1,B-1)三者相交的九元组实现,表征实例A和B的拓扑关系,如下矩阵:
(13)设计图谱的模式层和实例层,图谱中每一个节点对应一张对象名录表和对象基础信息表,构建出完整的水循环动态知识图谱。
3.根据权利要求1所述的基于水循环动态知识图谱的数字孪生流域场景建模方法,其特征在于,所述步骤(2)包括以下步骤:
(21)基于中小河流域基础水文地理数据,进行河网水系数字化提取工作;
(22)以河网为骨架,以表征水循环过程的降雨-产流-汇流-演进过程为目标,基于最小颗粒度单元网格开展流域内网格聚合,在河道内根据已知断面进行条状聚合,在非河道区域结合地形地貌、水文气象特征和下垫面条件的同质性进行四边形网格聚合,形成聚合单元;
(23)结合子流域的划分,最终形成最小颗粒度单元-聚合单元-子流域-流域的多尺度嵌套数字孪生框架;
(24)针对流域内的典型场次洪水数据,进行数据梳理和预处理,并将水循环动态知识图谱中的水利对象的属性数据,以表征水文模型的降雨-蒸散发-产流-径流-坡地汇流-河道汇流的结构为依据,将这些数据在流域-子流域-聚合单元-最小颗粒度单元的多尺度嵌套数字孪生框架的四层网格上分别进行展布。
4.根据权利要求1所述的基于水循环动态知识图谱的数字孪生流域场景建模方法,其特征在于,步骤(3)所述的利用水循环动态知识图谱实现数据与模型的自关联的实现过程如下:
调用模型执行智能体,基于水循环动态知识图谱中,调取图谱中水文模型的参数,并利用水文模型参数与流域地貌特征、土壤类型以及植被覆盖数据之间的关联关系,调用智能体,获取水文模型初始演算所要求的参数值;
对于缺失的数据,对水循环动态知识图谱中的数据进行补全;
对已有的符合尺度需求的数据进行数据处理,得到水文模型计算所需的所有参数值,并在水循环动态知识图谱中将水文模型的参数与参数值进行关联。
5.根据权利要求1所述的基于水循环动态知识图谱的数字孪生流域场景建模方法,其特征在于,步骤(3)所述的利用水循环动态知识图谱实现数据与模型的自匹配实现过程为:
根据不同网格间的数据关联进行数据对齐,并在不同尺度网格的交汇点,基于网格单元间的水流交换规律以及不同网格间的演算次序,实现产流-汇流不同尺度网格间的数据匹配;
针对多尺度流域水文模型计算所需的数据存在缺失的问题,基于水循环动态知识图谱以及回归模型的缺失数据处理方法,利用EMB等数据多重插补算法,使之符合数据一致性和时空匹配性,实现数据缺失下的水文模型数据准备。
6.根据权利要求3所述的基于水循环动态知识图谱的数字孪生流域场景建模方法,其特征在于,步骤(21)所述的河网水系数字化提取工作的过程为:
基于水循环动态知识图谱,获取中小流域的地形地貌和DEM等数据,通过洼地填平、水流方向计算、水流积聚计算、提取河网栅格、生成河网矢量、矢量河网处理、空间拓扑建立、流域水系分级、图层属性入库,确定最小颗粒度单元网格信息并获取网格单元的演算次序;然后按照水系源头搜索出整个水系并进行自然子流域的划分,以确定流域的边界,并提取中小流域的地貌特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211459831.6A CN115841071A (zh) | 2022-11-17 | 2022-11-17 | 基于水循环动态知识图谱的数字孪生流域场景建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211459831.6A CN115841071A (zh) | 2022-11-17 | 2022-11-17 | 基于水循环动态知识图谱的数字孪生流域场景建模方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115841071A true CN115841071A (zh) | 2023-03-24 |
Family
ID=85577224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211459831.6A Pending CN115841071A (zh) | 2022-11-17 | 2022-11-17 | 基于水循环动态知识图谱的数字孪生流域场景建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115841071A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112091A (zh) * | 2023-07-17 | 2023-11-24 | 邵阳汇通信息科技有限公司 | 基于数字孪生的水情及大坝安全监测系统及模型解耦方法 |
-
2022
- 2022-11-17 CN CN202211459831.6A patent/CN115841071A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117112091A (zh) * | 2023-07-17 | 2023-11-24 | 邵阳汇通信息科技有限公司 | 基于数字孪生的水情及大坝安全监测系统及模型解耦方法 |
CN117112091B (zh) * | 2023-07-17 | 2024-02-13 | 邵阳汇通信息科技有限公司 | 基于数字孪生的水情及大坝安全监测系统及模型解耦方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103092572B (zh) | 一种集群环境下分布式水文模拟的并行化方法 | |
CN109492259B (zh) | 一种城市水文模拟系统 | |
CN103559375B (zh) | 调度工程水质改善的数值模拟及可视化仿真系统 | |
CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
CN108614915B (zh) | 基于情景驱动的水文模型自由组建策略方法 | |
CN107239657A (zh) | 一种面向对象的水动力学建模要素管理方法 | |
CN107704592A (zh) | 一种基于WebGIS的洪水预报服务构建方法 | |
CN104298841A (zh) | 一种基于历史数据的洪水预报方法和系统 | |
CN105138722A (zh) | 基于数字河湖网络的平原河网区流域集水单元划分方法 | |
CN107133427A (zh) | 一种基于2dgis平台的洪水分析模型的构建方法 | |
CN113673765B (zh) | 一种小流域洪水预报预警方法及终端 | |
CN107239607A (zh) | 一种模型要素与计算方案管理方法 | |
CN115759459B (zh) | 一种雨水工情耦合的流域洪水流量集合概率智能预报方法 | |
CN109815611B (zh) | 一种基于数字流域的流域边界生成方法 | |
CN105303612A (zh) | 一种基于不规则三角网模型的数字河网提取方法 | |
CN114358664B (zh) | 变化环境与洪旱急转条件下洪水调度与水资源保障方法 | |
CN113570275A (zh) | 基于bim和数字高程模型的水资源实时监测系统 | |
CN114462254A (zh) | 基于流向的分布式水文模型并行计算方法 | |
CN115841071A (zh) | 基于水循环动态知识图谱的数字孪生流域场景建模方法 | |
Yang et al. | Ultra-short-term multi-step wind power prediction based on fractal scaling factor transformation | |
CN111368397B (zh) | 内涝风险的预测方法及装置 | |
CN116882741A (zh) | 一种超标准洪水灾害动态定量评估方法 | |
CN113869804B (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
CN116502739A (zh) | 水库来水量的雨洪耦合预报方法、系统及电子设备 | |
CN115496148A (zh) | 一种河流大尺度水文情势变化的评价方法及装置 |
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 |