CN116049699A - 冲积河流的冲刷重心的识别方法、装置、设备及存储介质 - Google Patents
冲积河流的冲刷重心的识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116049699A CN116049699A CN202310340384.0A CN202310340384A CN116049699A CN 116049699 A CN116049699 A CN 116049699A CN 202310340384 A CN202310340384 A CN 202310340384A CN 116049699 A CN116049699 A CN 116049699A
- Authority
- CN
- China
- Prior art keywords
- river
- river reach
- section
- sub
- reach
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000005484 gravity Effects 0.000 title claims abstract description 69
- 238000011010 flushing procedure Methods 0.000 title claims abstract description 62
- 238000009991 scouring Methods 0.000 claims abstract description 42
- 230000000877 morphologic effect Effects 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000003628 erosive effect Effects 0.000 claims description 7
- 230000008021 deposition Effects 0.000 claims description 5
- 239000013049 sediment Substances 0.000 claims description 5
- 238000007621 cluster analysis Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000004576 sand Substances 0.000 description 18
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 16
- 230000008859 change Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001417524 Pomacanthidae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- Y02A20/40—Protecting water resources
- Y02A20/402—River restoration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供冲积河流的冲刷重心的识别方法、装置、设备及存储介质，该方法包括：获取待研究河段在所有目标年份内的各断面的形态特征量；基于各断面的形态特征量，确定各断面的特征高程；基于各断面的特征高程以及待研究河段的各断面的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量；基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级；对冲淤等级最高的河段所在的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。本发明可以准确地确定冲刷重心的位置。
Description
技术领域
本发明涉及河床演变技术领域，尤其涉及冲积河流的冲刷重心的识别方法、装置、设备及存储介质。
背景技术
冲积河流作为自然界输移水沙的主要通道，其具有自身的平衡属性。当受到自然或人为因素的干扰时，河道会从平衡态转变为非平衡态，并自动向干扰后的新平衡状态调整。
在冲积河流上修建水库后，不仅会改变下游河道的来水来沙条件，而且还会导致坝下游河流进入河床再造过程。尤其在水库运用初期，大部分坝下游河流将发生自上而下的普遍冲刷，坝下游河段的冲淤调整是大坝修建后最迅速、最直观的变化。河道冲刷的历时、强度以及空间分布主要受到水库运行方式以及当地地形地质等各种综合因素的影响。尽管最大的冲刷位置通常靠近坝下游，但冲刷速率最大的位置会随着时间和空间变化，且冲刷最强的位置具有随时间向下游迁移的趋势。
然而，虽然河床冲刷速率通常与水流含沙量恢复程度以及河床的粗化程度呈正相关关系，但是，冲积河流在受到扰动后冲刷重心的位置可能向下游迁移，也可能在上、下游河道之间摆动，如何准确地确定冲刷重心的位置，成为目前亟需解决的技术问题。
发明内容
本发明实施例提供了一种冲积河流的冲刷重心的识别方法、装置、设备及存储介质，以解决目前无法准确地确定冲刷重心的位置的问题。
第一方面，本发明实施例提供了一种冲积河流的冲刷重心的识别方法，包括：
获取待研究河段在所有目标年份内的各断面的形态特征量，其中，形态特征量包括各断面的河底高程和各断面距离大坝的位置，目标年份为待研究时段内的任意一个年份；
基于各断面的形态特征量，确定各断面的特征高程；
基于各断面的特征高程以及待研究河段的各断面的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量；
基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级；
对冲淤等级最高的河段所在的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
在一种可能的实现方式中，基于各断面的特征高程以及待研究河段的各断面的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量，包括：
基于待研究河段的各断面的特征高程，确定各断面的断面面积和各断面的面积变化量；
基于待研究河段的河道曲率和各断面的断面分布，将待研究河段分成多个子河段，其中，每个子河段包括多个小河段；
基于每个子河段在目标年份对应的每个小河段的起止断面面积的变化量、以及每个子河段中的每个小河段的长度，确定每个子河段在所有目标年份内分别对应的单位河长冲淤量。
在一种可能的实现方式中，每个小河段在第m年对应的起止断面面积的变化量△Am为：
△Am=（△Am1+△Am2）/2；
每个小河段在第m年对应的起始断面的断面面积的变化量△Am1为：
△Am1=Am1-A(m-1)1；
每个小河段在第m年对应的终止断面的断面面积的变化量△Am2为：
△Am2=Am2-A(m-1)2；
第j个子河段在第m年对应的单位河长冲淤量△Vjm为：
△Vjm=；
其中，△Ami为第j个子河段内的第i个小河段在第m年对应的起止断面面积的变化量，i为正整数，k为第j个子河段总共包括k个小河段，li为第i个小河段的河长，Am1为第m年该小河段的起始断面的断面面积，A（m-1）1为第m-1年该小河段的起始断面的断面面积，Am2为第m年该小河段的终止断面的断面面积，A（m-1）2为第m-1年该小河段的终止断面的断面面积。
在一种可能的实现方式中，基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级，包括：
对所有子河段在所有目标年份内分别对应的单位河长冲淤量的绝对值进行排序，并将绝对值小于预设阈值的数据确定为等级0；
基于除去等级0外的其余数据的出现频率，将其余数据按照出现频率分为多个不同的等级；
基于每个子河段在目标年份对应的单位河长冲淤量所对应的等级、以及该子河段在该年份对应的单位河长冲淤量的正负，确定该子河段在该年份的冲淤等级，其中，冲淤等级包括正等级和负等级，负等级为该子河段在目标年份受到冲刷；
根据所有子河段在所有目标年份的冲淤等级，绘制待研究河段的冲淤等级时空矩阵，其中，冲淤等级时空矩阵的横坐标为年份，纵坐标为待研究河段的位置。
在一种可能的实现方式中，对冲淤等级最高的河段进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布，包括：
对所有处于最高负等级的数据进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
在一种可能的实现方式中，对所有处于最高负等级的数据进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布，包括：
基于所有处于最高负等级的数据的个数，以及肘部法则，确定聚类中心数量K值；
基于聚类中心数量K值，对所有处于最高负等级的数据多次进行时空聚类分析，得到多组聚类中心，并将多组聚类中心绘制在冲淤等级时空矩阵上；聚类中心的坐标为待研究河段在待研究时段内的冲刷重心的时空分布。
在一种可能的实现方式中，冲淤等级包括0级、+1级、-1级、+2级、-2级、+3级、-3级、+4级和-4级。
第二方面，本发明实施例提供了一种冲积河流的冲刷重心的识别装置，包括：
获取模块，用于获取待研究河段在所有目标年份内的各断面的形态特征量，其中，形态特征量包括各断面的河底高程和各断面距离大坝的位置，目标年份为待研究时段内的任意一个年份；
确定高程模块，用于基于各断面的形态特征量，确定各断面的特征高程；
分段计算模块，用于基于各断面的特征高程以及待研究河段的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量；
确定等级模块，用于基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级；
确定分布模块，用于对冲淤等级最高的河段所在的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
第四方面，本发明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，所述计算机程序被处理器执行时实现如上第一方面或第一方面的任一种可能的实现方式所述方法的步骤。
本发明实施例提供一种冲积河流的冲刷重心的识别方法、装置、设备及存储介质，首先，获取待研究河段在所有目标年份内的各断面的形态特征量，然后，基于各断面的形态特征量，确定各断面的特征高程。接着，基于各断面的特征高程以及待研究河段的各断面的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量。次之，基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级。最后，对冲淤等级最高的河段所在的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。从而，通过量化冲刷重心的时空变化特征，可以准确地识别冲刷重心的位置，并只可以直观的体现冲刷重心的时空分布规律。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的冲积河流的冲刷重心的识别方法的实现流程图；
图2是本发明实施例提供的第一个实施例的各等级单位河长冲淤量绝对值分布图；
图3是本发明实施例提供的第一个实施例的聚类中心K值变化示意图；
图4是本发明实施例提供的第一个实施例的单位河长冲淤等级时空分布及冲刷重心分布示意图；
图5是本发明实施例提供的第二个实施例的单位河长冲淤等级时空分布及冲刷重心分布示意图；
图6是本发明实施例提供的冲积河流的冲刷重心的识别装置的结构示意图；
图7是本发明实施例提供的电子设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图通过具体实施例来进行说明。
正如背景技术中所描述的，在水流对非均匀床沙的分选作用下，受冲刷的河床床沙发生粗化。与更下游的河段相比，坝下紧邻河段的冲刷开始最早，其河床的粗化最早发生并最快完成，使得该河段对水流的泥沙补给作用严重减弱，近似达到冲淤平衡，冲刷逐渐向下游延伸至更远处，河床的粗化范围也逐渐向下游延伸。随后较下游的河段冲刷加速，其冲刷强度有可能大于上游河段，成为主要沙源。
以丹江口水库下游河段为例，丹江口水库修建13年后，坝下游紧邻的26km长的河床基本完成粗化并趋于稳定，基本不再发生冲刷。其下游40km长的河段仅在超大洪水下才会进一步冲刷，而在更加下游的43km长的河段，河道床沙仅以推移质的形态进行输移，冲刷速率最大的位置在1985年已经迁移至坝下游约100~250km的河段范围内。床沙沿程粗化速率的时空不均匀性导致了冲刷速率最强的位置以及主要沙源河段逐渐向下游迁移。钱宁对胡佛大坝（Hoover Dam）及派克大坝（Parker Dam）下游多年沿程床沙质日均输沙率的研究显示，冲刷重心所在位置，即输沙率恢复最快的位置随时间推移不断向下游迁移。以胡佛大坝为例，1936-1938年间，沿程输沙率呈指数增长，1940年坝下游约50km长河段的悬沙恢复速率明显减慢。至1944年，坝下游约80km长河段内输沙率基本为0，表明该河段已基本平衡，冲刷重心迁移至100-150km处。在清水冲刷均匀沙的水槽试验中，由于比降调平，水槽垂线平均含沙量恢复最快的位置随时间同样具有向下游迁移的趋势，不同床沙粒径的冲刷重心迁移速率不同。
河床冲刷速率通常与水流含沙量恢复程度以及河床的粗化程度呈正相关的关系，虽然可以间接体现出冲刷重心的时空迁移特性，定性地研究了冲积河流受到扰动后冲刷重心下移的规律，但是却存在以下问题：第一、未能直接反映冲刷重心在更大时空范围内的调整；第二、没有量化地表示冲积河流河床冲刷最强位置的迁移过程。产生上述问题的原因主要有以下两点：第一、现有研究通过水流含沙量和河床粗化程度等对冲积河流主要界定冲刷带位置的范围较大，无法合理的确定不同时间内冲刷重心位置的变化；第二、冲积河道演变会体现在垂向上河床高程以及横向上河道宽度的变化，河道发生冲刷可使河道向宽浅或窄深方向发展。
因此，如何准确地确定冲刷重心的位置，成为目前亟需解决的技术问题。
为了解决现有技术问题，本发明实施例提供了一种冲积河流的冲刷重心的识别方法、装置、设备及存储介质。下面首先对本发明实施例所提供的冲积河流的冲刷重心的识别方法进行介绍。
参见图1，其示出了本发明实施例提供的冲积河流的冲刷重心的识别方法的实现流程图，详述如下：
步骤S110、获取待研究河段在所有目标年份内的各断面的形态特征量。
其中，形态特征量包括各断面的河底高程和各断面距离大坝的位置，目标年份为待研究时段内的任意一个年份。
各断面距离大坝的位置应能真实地反映待研究河段沿程河流形态及洲滩地形，在河流形态调整剧烈处需适当增加断面的数量。
由于需要对较长时间尺度内的冲刷重心进行识别，因此需要获取待研究时段内的每一年的各断面的形态特征量，便于通过长时间序列的数据，确定冲刷重心的移动规律。
步骤S120、基于各断面的形态特征量，确定各断面的特征高程。
在确定各断面的特征高程时，需要能够完整覆盖在研究时段内每个断面的调整区域，这里的特征高程可以为断面的平滩高程。当平滩河槽不易分辨或者断面的冲淤调整发生在平滩高程以上时，可以根据各断面的实际形态确定特征高程。平滩高程可以根据各个断面滩唇位置选取，对于无明显滩唇的断面，可以根据上、下游有滩唇可确定平滩高程的断面资料，拟合平滩高程与河长的关系，差值得到无明显滩唇的断面处的平滩高程。
步骤S130、基于各断面的特征高程以及待研究河段的各断面的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量。
由于河段受到冲刷或者泥沙的淤积，每个断面的断面面积都会改变。
在一些实施例中，可以首先，基于待研究河段的各个断面的特征高程，确定每个断面的断面面积和各个断面的面积变化量。需要说明的是，这里的特征高程为每个子河段的断面的平滩高程。
然后，基于待研究河段的河道曲率和各断面的断面分布，将待研究河段分成多个子河段。每个子河段包括多个小河段，每个小河段均包括两个断面，起始断面和终止断面。如一个子河段包括3个小河段，那么这个子河段总共包括4个断面。
河道曲率可以表示为子河段河长与子河段起止断面的直线距离的比值。根据河道曲率，可以分为：顺直型、微弯型、弯曲型的单一型子河段。
通过计算每个子河段的河道曲率，即可根据河道曲率以及断面分布情况，将待研究的河段分成多个子河段一一研究。在划分好子河段后，对所有子河段按照顺序进行编号。
具体的，每个小河段在第m年对应的起始断面的断面面积的变化量△Am1为：
△Am1=Am1-A(m-1)1；
每个小河段在第m年对应的终止断面的断面面积的变化量△Am2为：
△Am2=Am2-A(m-1)2；
那么，这个小河段在第m年对应的起止断面面积的变化量△Am为：
△Am=（△Am1+△Am2）/2。
Am1为第m年该小河段的起始断面的断面面积，A（m-1）1为第m-1年该小河段的起始断面的断面面积，Am2为第m年该小河段的终止断面的断面面积，A（m-1）2为第m-1年该小河段的终止断面的断面面积。
在选取的断面间距适宜时，△Ami大于0时断面面积增大，表示该河段在对应时间内为冲刷状态。当△Ami小于0时断面面积减小，表示该断面在对应时间内为淤积状态。
最后，基于每个子河段在目标年份对应的每个小河段的起止断面面积的变化量、以及每个子河段中的每个小河段的长度，确定每个子河段在所有目标年份内分别对应的单位河长冲淤量。
由于每个子河段包括多个小河段，每个小河段包括2个断面，那么该子河段就包括很多个断面。如果单纯采用每个子河段的起始断面的断面面积与该子河段的终止断面的断面面积，计算该子河段的单位河长冲淤量，计算的准确度较低。
本发明中通过对每个子河段内的所有小河段的断面面积的变化量进行计算，可以提高单位河长冲淤量的计算准确度，从而可以更准确地对河流冲刷重心进行准确地识别。
具体的，第j个子河段在第m年对应的单位河长冲淤量△Vjm为：
△Vjm=；
其中，△Ami为第j个子河段内的第i个小河段在第m年对应的起止断面面积的变化量，i为正整数，k为第j个子河段总共包括k个小河段，li为第i个小河段的河长。
例如：第1个子河段内包括3个小河段，小河段1、小河段2和小河段3，包括4个断面，断面1、断面2、断面3和断面4。小河段1的起始断面为断面1，终止断面为断面2，小河段2的起始断面为断面2，终止断面为断面3，小河段3的起始断面为断面3，终止断面为断面4。
为了计算第1个子河段在第m年对应的单位河长冲淤量△Vjm，需要首先分别计算这4个断面分别在第m年和第m-1年对应的断面面积，然后计算每个小河段在第m年的对应的起止断面面积的变化量 。由于该子河段包括3个小河段，因此，需要分别计算这3个小河段分别在第m年对应的起止断面面积的变化量，以及这3个小河段的各自的长度，最后将计算的数据带入到单位河长冲淤量计算公式中即可。
△Vjm大于0时表示该子河段在对应时间内受到冲刷，△Vjm小于0时表示子河段在对应时间内为淤积状态。
步骤S140、基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级。
通过对所有子河段在每个年份的单位河长冲淤量进行排序，即可确定冲淤等级。
在一些实施例中，可以首先，对所有子河段在所有目标年份内分别对应的单位河长冲淤量的绝对值进行排序，并将绝对值小于预设阈值的数据确定为等级0。
如，可将所有子河段在所有目标年份内的单位河长冲淤量的最小的前5%的数据确定为等级0。
然后，基于除去等级0外的其余数据的出现频率，将其余数据按照出现频率分为多个不同的等级。
如，可以对剩余的数据按照出现的频率等分，即各级出现的频率各占23.75%。
接着，基于每个子河段在目标年份对应的单位河长冲淤量所对应的等级、以及该子河段在该年份对应的单位河长冲淤量的正负，确定该子河段在该年份的冲淤等级。其中，冲淤等级包括正等级和负等级，负等级为该子河段在目标年份受到冲刷。
即可将剩余的数据分为0级、+1级、-1级、+2级、-2级、+3级、-3级、+4级和-4级。
当然，如果各级数据的频率相差较多，可以根据实际的数据情况进行分级，如可以按照10%、36.7%、63.3%、90%、100%，将所有数据按照0，±1，±2，±3和±4等级分。数据按照什么频率进行分配，需要根据数据的实际情况决定，此处不做限定。
最后，根据所有子河段在所有目标年份的冲淤等级，绘制待研究河段的冲淤等级时空矩阵。
其中，冲淤等级时空矩阵的横坐标为年份，纵坐标为待研究河段的位置。
步骤S150、对冲淤等级最高的河段所在的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
由于是对冲刷重心进行识别，因此只需要对所有处于最高负等级的数据进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
对于上面的0，±1，±2，±3和±4等级，由于负级代表冲刷，因此，只需要对-4级的数据进行时空聚类分析。
采用空间聚类方法对-4等级进行聚类分析，研究冲刷重心，即单位河长冲淤量最大的子河段所在位置，随时空的变化规律。值得注意的是，需保证-4等级的样本数量调整分级范围，以便于对冲刷强度最大的-4等级对应的样本点进行聚类分析。
首先，基于所有处于最高负等级的数据的个数，以及肘部法则，确定聚类中心数量K值。
然后，基于聚类中心数量K值，对所有处于最高负等级的数据多次进行时空聚类分析，得到多组聚类中心，并将多组聚类中心绘制在冲淤等级时空矩阵上。聚类中心的坐标为待研究河段在待研究时段内的冲刷重心的时空分布。
空间聚类方法是kmeans++方法，kmeans++方法采用距离作为相似性的评价指标，即两个对象距离越近，相似度越大，由此得到紧凑且独立的簇。
以聚类中心个数k=2为例说明简化kmeans++算法的聚类过程：
首先，在N个样本点中随机选择第一个初始中心点A；
然后，计算其余N-1点到已有中心点的最短距离D(x)，计算各点被选为下一个中心的概率P的计算方法为：
；
对kmeans++算法简化，将概率P最大的点为第二个中心点B。
接着，计算各点到两个聚类中心A和B点的距离，按照距离就近原则分类将其余N-2个样本点分为两类。
最后，按现有分类计算各类重心位置，得到新的聚类重心，重复上面步骤得到新类簇；迭代至重心位置不再变化。
采用kmeans++算法对最强冲刷等级-4等级作为样本点进行聚类。由于聚类中心个数k的选择对聚类结果有一定影响，即聚类中心个数k越大，用聚类中心代表总样本时信息量的丢失程度越小，而当k值等于样本点个数时，没有信息量的丢失但却达不到分类效果，因此，需针对不同样本点选择合适大小的k值，在能够达到聚类效果的同时，尽量减少样本点信息的丢失。本发明中通过采用肘部法则来确定k，确定过程如下：
首先，分别计算不同k值，由1逐渐增大至样本点个数，对应的样本的畸变函数，即所有样本点到各样本点所在类簇质心的距离平方和：
；
随着k增大，畸变函数值逐渐减小。对单位河长冲淤量划分为的-4等级样本点，当畸变函数值图像趋近平稳，k值即可确定。
由于初始聚类中心由kmeans++算法随机给出，在应用过程中需多次随机聚类得到多组聚类中心，并将所有聚类中心绘制在冲淤等级时空分布矩阵上，所得聚类中心的坐标即代表研究河段在研究时段内冲刷重心的时空分布。
本发明提供的识别方法，首先，获取待研究河段在所有目标年份内的各断面的形态特征量，然后，基于各断面的形态特征量，确定各断面的特征高程。接着，基于各断面的特征高程以及待研究河段的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量。次之，基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级。最后，对冲淤等级最高的河段的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。从而，通过量化冲刷重心的时空变化特征，可以准确地识别冲刷重心的位置，并只可以直观的体现冲刷重心的时空分布规律。
通过合理地收集待研究河段的各断面的形态特征量，并采用分级的方法以及时空聚类法，从而可以准确地分析聚类中心的分布规律。
以下，以两个具体的实施例来对本发明提供的冲积河流的冲刷重心的识别方法进行详细的说明：
第一个以在1999-2015年黄河下游铁谢-利津河段（728km）为例进行说明：
首先，收集了1999-2015年黄河下游铁谢-利津河段的各断面的形态特征量。
然后，确定特征高程，特征高程为平滩高程，平滩高程根据断面滩唇位置选取，根据平滩高程确定各断面的断面面积。
接着，计算每一年91个河段的断面面积的变化值。根据河道的平面特征和91个观测资料较全的断面分布划分子河段，划分子河段时尽量避免各子河段的河长差别太大。各子河段冲淤量与划分方法有关，但河道总体的时空冲淤规律不会受到影响。
根据黄河下游铁谢-利津河段（728km）的河道曲率和断面分布，将整个河段分为27个子河段。计算这27个子河段每年的单位河长冲淤量，根据1999-2015年27个子河段的单位河长冲淤量（共459个数据）进行分级。这459个数据的范围是0-2628，前428的范围是0-600，剩下的31个数据范围是600-2628，数量级相差过大，所以只在前428个数据中分类，后面的31个数据直接划分到第4等级。
这428个数据的绝对值范围如图2所示，按照10%、36.7%、63.3%、90%、100%划分等级，剩下的31个数据为第4等级，负数等级代表冲刷，正数等级代表淤积。其中0，±1，±2，±3和±4等级对应样本数量分别为44，113，113，113，76个。单位河长冲淤量分级后，代表最强冲刷的-4等级有66个样本点。
最后，对-4等级的66个样本点进行时空聚类分析，采用“肘部法则”计算聚类中心个数k对应的聚类中心个数k，当k达到12时，畸变函数值趋近平稳，如图3所示，因此k=12。
构建的单位河长冲淤量对应等级的时空矩阵如图4所示，图4的横坐标代表年份，纵坐标代表子河段编号，每个格内的数字代表该子河段在当年的冲淤等级。在黄河下游铁谢-利津河段实施例中通过6次随机聚类得到72个聚类中心。一次聚类可以得到12个聚类中心，6次随机聚类即可得到72个聚类中心。图中的6个不同形状的图形，代表冲刷重心的位置。图中，横轴代表年份，纵轴代表子河段的编号。
图4中可以看出，1999-2015年间黄河下游铁谢-利津河段的冲刷主要发生在1-8号子河段内即小浪底大坝下游240km以内的河段，同时说明该时段的水力条件对240km以外的河段冲刷影响较小。
第二个以在2003-2020年三峡水库下游宜昌-城陵矶河段（400km）为例进行说明：
首先，收集了2003-2020年三峡水库下游宜昌-城陵矶河段的162个断面的形态特征量。
然后，确定特征高程，特征高程为平滩高程，平滩高程根据断面滩唇位置选取，根据平滩高程确定各断面的断面面积。
接着，计算每一年这162个断面的断面面积的变化值。根据河道的平面特征和162个观测资料较全的断面分布划分子河段，将这个河段划分为32个子河段。
计算32个子河段的单位河长冲淤量，根据2003−2020年32个子河段的单位河长冲淤量，共576个数据，按照出现频率均分的方法进行分级，除去单位河长冲淤量最小的前5%的数据，归为0等级之后，对剩余数据按出现频率进行等分，各等级出现频率各占23.75%，负数等级代表冲刷，正数等级代表淤积。单位河长冲淤量分级后，代表最强冲刷的-4等级有106个样本点。
对单位河长冲淤量的-4等级样本点，通过“肘部法则”计算聚类中心个数k对应的聚类中心个数k，当k达到13时，畸变函数值趋近平稳，因此k=13。
构建的单位河长冲淤量对应等级的时空矩阵如图5所示，图5的横坐标代表年份，纵坐标代表子河段编号，每个格内的数字代表该子河段在当年的冲淤等级，通过6次随机聚类得到78个聚类中心。
从图5中的虚线画出的冲刷重心可以看出，分布着多个冲刷重心聚类点，前18个子河段内冲刷重心聚类点具有随时间向下游迁移的趋势。2003-2007冲刷重心下移速率较快，2008年后逐渐减慢，随后冲刷重心下移速率明显加快。在时间上冲刷重心迁移的速率变化与三峡水库2003年开始初期蓄水、2008年开始175m试验性蓄水、2013年左右三峡上游的大型梯级水库开始逐步建成并投入运用相对应。
通过图可以直接有效反映出冲积河流受到人为因素干扰后河道最强冲刷位置的时空变化特征，广泛适用于以冲刷调整为主等具有不同冲淤特性的河道。通过量化冲刷重心的时空变化特征，可预测河道调整的发展趋势。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
基于上述实施例提供的冲积河流的冲刷重心的识别方法，相应地，本发明还提供了应用于该冲积河流的冲刷重心的识别方法的冲积河流的冲刷重心的识别装置的具体实现方式。请参见以下实施例。
如图6所示，提供了一种冲积河流的冲刷重心的识别装置600，该装置包括：
获取模块610，用于获取待研究河段在所有目标年份内的各断面的形态特征量，其中，形态特征量包括各断面的河底高程和各断面距离大坝的位置，目标年份为待研究时段内的任意一个年份；
确定高程模块620，用于基于各断面的形态特征量，确定各断面的特征高程；
分段计算模块630，用于基于各断面的特征高程以及待研究河段的各断面的平面形态，将待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量；
确定等级模块640，用于基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定每个子河段在目标年份内的冲淤等级；
确定分布模块650，用于对冲淤等级最高的河段所在的位置进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
在一种可能的实现方式中，分段计算模块630，用于
基于待研究河段的各断面的特征高程，确定各断面的断面面积和各断面的面积变化量；
基于待研究河段的河道曲率和各断面的断面分布，将待研究河段分成多个子河段，其中，每个子河段包括多个小河段；
基于每个子河段在目标年份对应的每个小河段的起止断面面积的变化量、以及每个子河段中的每个小河段的长度，确定每个子河段在所有目标年份内分别对应的单位河长冲淤量。
在一种可能的实现方式中，
每个小河段在第m年对应的起止断面面积的变化量△Am为：
△Am=（△Am1+△Am2）/2；
每个小河段在第m年对应的起始断面的断面面积的变化量△Am1为：
△Am1=Am1-A(m-1)1；
每个小河段在第m年对应的终止断面的断面面积的变化量△Am2为：
△Am2=Am2-A(m-1)2；
第j个子河段在第m年对应的单位河长冲淤量△Vjm为：
△Vjm=；
其中，△Ami为第j个子河段内的第i个小河段在第m年对应的起止断面面积的变化量，i为正整数，k为第j个子河段总共包括k个小河段，li为第i个小河段的河长，Am1为第m年该小河段的起始断面的断面面积，A（m-1）1为第m-1年该小河段的起始断面的断面面积，Am2为第m年该小河段的终止断面的断面面积，A（m-1）2为第m-1年该小河段的终止断面的断面面积。
在一种可能的实现方式中，确定等级模块640，用于对所有子河段在所有目标年份内分别对应的单位河长冲淤量的绝对值进行排序，并将绝对值小于预设阈值的数据确定为等级0；
基于除去等级0外的其余数据的出现频率，将其余数据按照出现频率分为多个不同的等级；
基于每个子河段在目标年份对应的单位河长冲淤量所对应的等级、以及该子河段在该年份对应的单位河长冲淤量的正负，确定该子河段在该年份的冲淤等级，其中，冲淤等级包括正等级和负等级，负等级为该子河段在目标年份受到冲刷；
根据所有子河段在所有目标年份的冲淤等级，绘制待研究河段的冲淤等级时空矩阵，其中，冲淤等级时空矩阵的横坐标为年份，纵坐标为待研究河段的位置。
在一种可能的实现方式中，确定分布模块650，用于对所有处于最高负等级的数据进行时空聚类分析，确定待研究河段在待研究时段内的冲刷重心的时空分布。
在一种可能的实现方式中，确定分布模块650，用于基于所有处于最高负等级的数据的个数，以及肘部法则，确定聚类中心数量K值；
基于聚类中心数量K值，对所有处于最高负等级的数据多次进行时空聚类分析，得到多组聚类中心，并将多组聚类中心绘制在冲淤等级时空矩阵上；聚类中心的坐标为待研究河段在待研究时段内的冲刷重心的时空分布。
在一种可能的实现方式中，冲淤等级包括0级、+1级、-1级、+2级、-2级、+3级、-3级、+4级和-4级。
图7是本发明实施例提供的电子设备的示意图。如图7所示，该实施例的电子设备7包括：处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个冲积河流的冲刷重心的识别方法实施例中的步骤，例如图1所示的步骤110至步骤150。或者，所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块的功能，例如图6所示模块610至650的功能。
示例性的，所述计算机程序72可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器71中，并由所述处理器70执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序72在所述电子设备7中的执行过程。例如，所述计算机程序72可以被分割成图6所示的模块610至650。
所述电子设备7可包括，但不仅限于，处理器70、存储器71。本领域技术人员可以理解，图7仅仅是电子设备7的示例，并不构成对电子设备7的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述电子设备7的内部存储单元，例如电子设备7的硬盘或内存。所述存储器71也可以是所述电子设备7的外部存储设备，例如所述电子设备7上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器71还可以既包括所述电子设备7的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/电子设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/电子设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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，在本发明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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个冲积河流的冲刷重心的识别方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（Read-Only Memory，ROM）、随机存取存储器（Random Access Memory，RAM）、电载波信号、电信信号以及软件分发介质等。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；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：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，均应包含在本发明的保护范围之内。
Claims (10)
1.一种冲积河流的冲刷重心的识别方法，其特征在于，包括：
获取待研究河段在所有目标年份内的各断面的形态特征量，其中，所述形态特征量包括各断面的河底高程和各断面距离大坝的位置，所述目标年份为待研究时段内的任意一个年份；
基于所述各断面的形态特征量，确定各断面的特征高程；
基于所述各断面的特征高程以及所述待研究河段的各断面的平面形态，将所述待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量；
基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定所述每个子河段在目标年份内的冲淤等级；
对冲淤等级最高的河段所在的位置进行时空聚类分析，确定所述待研究河段在待研究时段内的冲刷重心的时空分布。
2.如权利要求1所述的识别方法，其特征在于，所述基于所述各断面的特征高程以及所述待研究河段的各断面的平面形态，将所述待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量，包括：
基于所述待研究河段的各断面的特征高程，确定各断面的断面面积和各断面的面积变化量；
基于所述待研究河段的河道曲率和各断面的断面分布，将所述待研究河段分成多个子河段，其中，每个子河段包括多个小河段；
基于所述每个子河段在目标年份对应的每个小河段的起止断面面积的变化量、以及所述每个子河段中的每个小河段的长度，确定每个子河段在所有目标年份内分别对应的单位河长冲淤量。
3.如权利要求2所述的识别方法，其特征在于，所述每个小河段在第m年对应的起止断面面积的变化量△Am为：
△Am=（△Am1+△Am2）/2；
所述每个小河段在第m年对应的起始断面的断面面积的变化量△Am1为：
△Am1=Am1-A(m-1)1；
所述每个小河段在第m年对应的终止断面的断面面积的变化量△Am2为：
△Am2=Am2-A(m-1)2；
第j个子河段在第m年对应的单位河长冲淤量△Vjm为：
△Vjm=；
其中，△Ami为第j个子河段内的第i个小河段在第m年对应的起止断面面积的变化量，i为正整数，k为第j个子河段总共包括k个小河段，li为第i个小河段的河长，Am1为第m年该小河段的起始断面的断面面积，A（m-1）1为第m-1年该小河段的起始断面的断面面积，Am2为第m年该小河段的终止断面的断面面积，A（m-1）2为第m-1年该小河段的终止断面的断面面积。
4.如权利要求1所述的识别方法，其特征在于，所述基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定所述每个子河段在目标年份内的冲淤等级，包括：
对所有子河段在所有目标年份内分别对应的单位河长冲淤量的绝对值进行排序，并将绝对值小于预设阈值的数据确定为等级0；
基于除去等级0外的其余数据的出现频率，将其余数据按照出现频率分为多个不同的等级；
基于每个子河段在目标年份对应的单位河长冲淤量所对应的等级、以及该子河段在该年份对应的单位河长冲淤量的正负，确定该子河段在该年份的冲淤等级，其中，所述冲淤等级包括正等级和负等级，负等级为该子河段在目标年份受到冲刷；
根据所有子河段在所有目标年份的冲淤等级，绘制所述待研究河段的冲淤等级时空矩阵，其中，所述冲淤等级时空矩阵的横坐标为年份，纵坐标为所述待研究河段的位置。
5.如权利要求4所述的识别方法，其特征在于，所述对冲淤等级最高的河段进行时空聚类分析，确定所述待研究河段在待研究时段内的冲刷重心的时空分布，包括：
对所有处于最高负等级的数据进行时空聚类分析，确定所述待研究河段在待研究时段内的冲刷重心的时空分布。
6.如权利要求5所述的识别方法，其特征在于，所述对所有处于最高负等级的数据进行时空聚类分析，确定所述待研究河段在待研究时段内的冲刷重心的时空分布，包括：
基于所有处于最高负等级的数据的个数，以及肘部法则，确定聚类中心数量K值；
基于所述聚类中心数量K值，对所有处于最高负等级的数据多次进行时空聚类分析，得到多组聚类中心，并将所述多组聚类中心绘制在所述冲淤等级时空矩阵上；所述聚类中心的坐标为所述待研究河段在待研究时段内的冲刷重心的时空分布。
7.如权利要求1至6中任一项所述的识别方法，其特征在于，所述冲淤等级包括0级、+1级、-1级、+2级、-2级、+3级、-3级、+4级和-4级。
8.一种冲积河流的冲刷重心的识别装置，其特征在于，包括：
获取模块，用于获取待研究河段在所有目标年份内的各断面的形态特征量，其中，所述形态特征量包括各断面的河底高程和各断面距离大坝的位置，所述目标年份为待研究时段内的任意一个年份；
确定高程模块，用于基于所述各断面的形态特征量，确定各断面的特征高程；
分段计算模块，用于基于所述各断面的特征高程以及所述待研究河段的各断面的平面形态，将所述待研究河段划分成多个子河段，并分别计算每个子河段在所有目标年份内分别对应的单位河长冲淤量；
确定等级模块，用于基于所有子河段在所有目标年份内分别对应的单位河长冲淤量，确定所述每个子河段在目标年份内的冲淤等级；
确定分布模块，用于对冲淤等级最高的河段所在的位置进行时空聚类分析，确定所述待研究河段在待研究时段内的冲刷重心的时空分布。
9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，执行如权利要求1至7任一项所述的方法。
10.一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，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310340384.0A CN116049699A (zh) | 2023-04-03 | 2023-04-03 | 冲积河流的冲刷重心的识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310340384.0A CN116049699A (zh) | 2023-04-03 | 2023-04-03 | 冲积河流的冲刷重心的识别方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116049699A true CN116049699A (zh) | 2023-05-02 |
Family
ID=86131690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310340384.0A Pending CN116049699A (zh) | 2023-04-03 | 2023-04-03 | 冲积河流的冲刷重心的识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116049699A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102979058A (zh) * | 2012-09-10 | 2013-03-20 | 重庆交通大学 | 一种大比降卵砾石河流河段的桥位断面冲刷测控方法 |
| KR101497993B1 (ko) * | 2014-08-29 | 2015-03-05 | 연세대학교 산학협력단 | 준2차원 준정류 모형을 적용한 하천 퇴사 및 배사 해석 방법 및 장치 |
| US20200311842A1 (en) * | 2019-03-28 | 2020-10-01 | China Waterborne Transport Research Institute | Method for tracking, monitoring and evaluating ecological impact of channel project based on long-term time series satellite remote sensing data |
| WO2022135618A1 (zh) * | 2021-03-25 | 2022-06-30 | 中国长江三峡集团有限公司 | 一种大型水库测深基准场建设方法及用途 |
| CN115293062A (zh) * | 2022-07-13 | 2022-11-04 | 武汉大学 | 河床演变阶段性分析方法及设备 |
| CN115392617A (zh) * | 2022-05-07 | 2022-11-25 | 长江水资源保护科学研究所 | 一种基于环境异质性的水库库尾河段水环境安全评估方法 |
-
2023
- 2023-04-03 CN CN202310340384.0A patent/CN116049699A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102979058A (zh) * | 2012-09-10 | 2013-03-20 | 重庆交通大学 | 一种大比降卵砾石河流河段的桥位断面冲刷测控方法 |
| KR101497993B1 (ko) * | 2014-08-29 | 2015-03-05 | 연세대학교 산학협력단 | 준2차원 준정류 모형을 적용한 하천 퇴사 및 배사 해석 방법 및 장치 |
| US20200311842A1 (en) * | 2019-03-28 | 2020-10-01 | China Waterborne Transport Research Institute | Method for tracking, monitoring and evaluating ecological impact of channel project based on long-term time series satellite remote sensing data |
| WO2022135618A1 (zh) * | 2021-03-25 | 2022-06-30 | 中国长江三峡集团有限公司 | 一种大型水库测深基准场建设方法及用途 |
| CN115392617A (zh) * | 2022-05-07 | 2022-11-25 | 长江水资源保护科学研究所 | 一种基于环境异质性的水库库尾河段水环境安全评估方法 |
| CN115293062A (zh) * | 2022-07-13 | 2022-11-04 | 武汉大学 | 河床演变阶段性分析方法及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 王华琳等: "三峡水库运行后宜昌-城陵矶河段冲刷重心下移与时空演变", 《水利学报》, vol. 52, no. 12, pages 3 - 8 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115457041B (zh) | 一种道路质量识别检测方法 | |
| Yoon et al. | Image contrast enhancement based sub-histogram equalization technique without over-equalization noise | |
| Osterkamp | Gradient, discharge, and particle-size relations of alluvial channels in Kansas, with observations on braiding | |
| CN107341497A (zh) | 结合选择性升采样的不均衡数据流加权集成分类预测方法 | |
| CN110659645B (zh) | 一种数字仪表字符识别方法 | |
| CN111062425B (zh) | 基于c-k-smote算法的不平衡数据集处理方法 | |
| CN114595732B (zh) | 基于深度聚类的雷达辐射源分选方法 | |
| CN103941131A (zh) | 基于精简集约简不均衡svm变压器故障检测方法 | |
| CN108399430B (zh) | 一种基于超像素和随机森林的sar图像舰船目标检测方法 | |
| CN109344812A (zh) | 一种改进的基于聚类的单光子点云数据去噪方法 | |
| CN109255395A (zh) | 一种滚珠丝杠副的寿命预测方法 | |
| CN109298464B (zh) | 致密砂岩储层成岩相测井识别方法及装置 | |
| CN115545460A (zh) | 一种水库泥沙淤积风险二维评估方法 | |
| CN103093619A (zh) | 基于智能交通系统的交通评价方法及装置 | |
| CN113486134B (zh) | 降雨量异常检测方法、装置、计算机设备及存储介质 | |
| CN108229507A (zh) | 数据分类方法以及装置 | |
| CN116049699A (zh) | 冲积河流的冲刷重心的识别方法、装置、设备及存储介质 | |
| CN110659620A (zh) | 基于模糊控制的滤波降噪方法 | |
| CN107090798B (zh) | 一种水库超饱和输沙状态下恢复饱和系数计算方法 | |
| CN111782904B (zh) | 一种基于改进smote算法的非平衡数据集处理方法及系统 | |
| CN116167513A (zh) | 基于单变量优化dmca模型的流域洪水响应时间计算方法 | |
| Chen et al. | A modified fuzzy c-means algorithm for breast tissue density segmentation in mammograms | |
| CN116432552A (zh) | 一种水库减淤调度方法、装置、设备及介质 | |
| CN109948291A (zh) | 一种砂体不连续界线方向自适应识别方法 | |
| CN112214655A (zh) | 基于密度的多自适应阈值解决密度不均数据集的聚类方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230502 |