CN116776636B - 一种基于数字孪生的水旱灾害应急仿真方法和系统 - Google Patents
一种基于数字孪生的水旱灾害应急仿真方法和系统 Download PDFInfo
- Publication number
- CN116776636B CN116776636B CN202310858081.8A CN202310858081A CN116776636B CN 116776636 B CN116776636 B CN 116776636B CN 202310858081 A CN202310858081 A CN 202310858081A CN 116776636 B CN116776636 B CN 116776636B
- Authority
- CN
- China
- Prior art keywords
- simulation
- data
- underwater
- historical
- flood
- 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.)
- Active
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 291
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012876 topography Methods 0.000 claims abstract description 119
- 238000004458 analytical method Methods 0.000 claims abstract description 106
- 239000013598 vector Substances 0.000 claims abstract description 38
- 238000012795 verification Methods 0.000 claims abstract description 10
- 238000007667 floating Methods 0.000 claims description 80
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 10
- 240000000037 Prosopis spicigera Species 0.000 claims description 4
- 235000006629 Prosopis spicigera Nutrition 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000002265 prevention Effects 0.000 abstract description 6
- 238000011217 control strategy Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 34
- 238000005516 engineering process Methods 0.000 description 16
- 230000007774 longterm Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 230000006978 adaptation Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000007123 defense Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000011835 investigation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000000746 purification Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 244000269722 Thea sinensis Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000575 pesticide Substances 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明请求保护一种基于数字孪生的水旱灾害应急仿真方法和系统,提取水旱灾害待仿真数据;通过水旱灾害待仿真数据确定仿真模型,得到仿真模型数据进行水下地形仿真分析,得到应急仿真数据;通过分割成不同的历史干旱地区和历史洪涝地区;得到每个地区的地形和水下地形特征与特征向量;分析每个不同的地区的特征向量差异值;将小于门限值的历史干旱地区和历史洪涝地区归于近似地区;提取近似地区的历史水下地形数据值;通过历史水下地形数据值得到校验指标;通过校验指标和水下地形仿真应急仿真,得到应急仿真数据。该方案可以有效对各地区的水旱灾害情况进行精准仿真预测,充分考虑水下地形特点,准确预测地区水旱灾害防控策略。
Description
技术领域
本发明属于数字孪生仿真领域,具体的,涉及一种基于数字孪生的水旱灾害应急仿真方法和系统。
背景技术
我国智慧水利行业处于探索阶段,行业保持稳定增长。目前,我国水利企业较多,但大部分仍处于智慧水利建设基础阶段(单一业务信息化阶段),仅有少数规模较大企业处于行业多业务领域的信息化,因此我国智慧水利尚处于初步的探索阶段,同时行业具有极大发展潜力。
利用数字孪生技术进行水旱灾害防治,构建水文、水情等大数据库,建立水文模型,模拟仿真,预演进行灾害评估,增强现实感和预报能力,为政府科学的指导防汛救灾工作提供数据支撑。数字孪生技术在防洪领域已经有了初步的应用,也是防洪“四预”应用的重要支撑技术,同时防洪“四预”应用领域的数字孪生技术研究也存在一定难度。目前来说,防洪“四预”应用领域的数字孪生技术还处于概念阶段,相关边界和规范尚不明晰,数字孪生技术的应用较少,在调度控制、智能决策等方面的应用尚需进一步研究和发展。因此,随着信息技术、人工智能技术和虚拟现实技术的发展,数字孪生技术在各个领域的应用正在迅速发展,数字孪生技术的“先行仿真,后在现实世界执行”的功能,大大节省了工业设计、决策指挥等方面试错的成本,产生了实际的生产效益,因而数字孪生技术的研究也具有现实的生产应用价值。
发明内容
根据本发明第一方面,本发明请求保护一种基于数字孪生的水旱灾害应急仿真方法,包括:
提取水旱灾害待仿真数据;
通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据;
通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据;
将所述应急仿真数据依据时序顺序进行展示;
所述通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据,还包括:
将历史旱涝地区网格分割为M个不同的历史干旱地区和历史洪涝地区;
得到每个历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;
分析每个不同的历史干旱地区和历史洪涝地区的特征向量差异值;
将小于特征向量差异值门限值的历史干旱地区和历史洪涝地区归于近似地区;
提取近似地区的历史水下地形数据值;
通过所述历史水下地形数据值得到校验指标;
通过所述校验指标和水下地形仿真应急仿真,得到应急仿真数据。
进一步的,所述仿真模型包括通过水下浮泥厚度进行水下地形仿真分析、通过河道横断面进行水下地形仿真分析、通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析中的一种。
进一步地,所述通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析具体为:
将水下浮泥厚度分析得到的仿真分析应急仿真乘以水下浮泥厚度权重,加上将河道横断面分析得到的仿真分析应急仿真乘以河道横断面权重;
所述水下浮泥厚度权重与河道横断面权重的和为1。
进一步地,提取水下地形仿真数据的实时观测数据和仿真数据;
将所述实时观测数据和仿真数据进行分析,得到差异度;
确定所述差异度是否大于预设的差异度门限值;
如果大于,则进行水下浮泥厚度权重与河道横断面权重的重新分配。
进一步地,所述进行水下浮泥厚度权重与河道横断面权重的重新分配,具体为:
提取第j天的观测数据与仿真数据/>;
得到在p天中的差异度,具体为:
;
得到所述水下浮泥厚度模式下的权重,具体为:
;
得到所述河道横断面模式下的权重,具体为:
;
其中,为水下浮泥厚度模式下的权重,/>为河道横断面模式下的权重;/>为水下浮泥厚度模式下的差异度,/>为河道横断面模式下的差异度。
根据本发明第二方面,本发明请求保护一种基于数字孪生的水旱灾害应急仿真系统,该系统包括:存储器、分析器,所述存储器中包括基于数字孪生的水旱灾害应急仿真方法程序,所述基于数字孪生的水旱灾害应急仿真方法程序被所述分析器执行时实现如下步骤:
提取水旱灾害待仿真数据;
通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据;
通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据;
将所述应急仿真数据依据时序顺序进行展示;
所述通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据,还包括:
将历史旱涝地区网格分割为M个不同的历史干旱地区和历史洪涝地区;
得到每个历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;
分析每个不同的历史干旱地区和历史洪涝地区的特征向量差异值;
将小于特征向量差异值门限值的历史干旱地区和历史洪涝地区归于近似地区;
提取近似地区的历史水下地形数据值;
通过所述历史水下地形数据值得到校验指标;
通过所述校验指标和水下地形仿真应急仿真,得到应急仿真数据。
进一步地,所述通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析具体为:
将水下浮泥厚度分析得到的仿真分析应急仿真乘以水下浮泥厚度权重,加上将河道横断面分析得到的仿真分析应急仿真乘以河道横断面权重;
所述水下浮泥厚度权重与河道横断面权重的和为1。
本发明请求保护一种基于数字孪生的水旱灾害应急仿真方法和系统,提取水旱灾害待仿真数据;通过水旱灾害待仿真数据确定仿真模型,得到仿真模型数据进行水下地形仿真分析,得到应急仿真数据;通过分割成不同的历史干旱地区和历史洪涝地区;得到每个地区的地形和水下地形特征与特征向量;分析每个不同的地区的特征向量差异值;将小于门限值的历史干旱地区和历史洪涝地区归于近似地区;提取近似地区的历史水下地形数据值;通过历史水下地形数据值得到校验指标;通过校验指标和水下地形仿真应急仿真,得到应急仿真数据。该方案可以有效对各地区的水旱灾害情况进行精准仿真预测,充分考虑水下地形特点,准确预测地区水旱灾害防控策略。
附图说明
图1为本发明所涉及的一种基于数字孪生的水旱灾害应急仿真方法的工作流程图;
图2为本发明所涉及的一种基于数字孪生的水旱灾害应急仿真方法的第二工作流程图;
图3为本发明所涉及的一种基于数字孪生的水旱灾害应急仿真方法的第三工作流程图;
图4为本发明所涉及的一种基于数字孪生的水旱灾害应急仿真系统的结构模块图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
利用数字孪生技术进行水旱灾害防治,构建水文、水情等大数据库,建立水文模型,模拟仿真,预演进行灾害评估,增强现实感和预报能力,为政府科学的指导防汛救灾工作提供数据支撑。因此,数字孪生技术是防洪“四预”应用区别于传统水利信息化应用的重要技术手段之一,也是本发明的创新点。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于数字孪生的水旱灾害应急仿真方法的流程图。
如图1所示,本发明第一方面提供了一种基于数字孪生的水旱灾害应急仿真方法,包括:
S102,提取水旱灾害待仿真数据;
S104,通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据;
S106,通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据;
S108,将所述应急仿真数据依据时序顺序进行展示。
需要说明的是,提取的水旱灾害待仿真数据可以为温度、湿度、风向、风力、太阳照射强度等相关数据的仿真,并且水旱灾害待仿真数据中还可以包含分析时间、仿真精度、展示模式等参数数据。本发明并不限制水下地形仿真的参数,任何采用本发明的水下地形参数仿真方法都将落入本发明保护范围内。
需要说明的是,通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据。此步骤具体为:通过水旱灾害待仿真数据确定仿真的得到时间、资源占用度和最佳适配度;选择所述最佳适配度最大的值对应的仿真分析模式;确定所述得到时间和资源占用度是否分别超过时间门限值和资源占用度门限值;如果都超过,则将所述水旱灾害待仿真拆分为M个子需求,分别进行分析;如果都不超过,则将所述水旱灾害待仿真直接依据预设模式进行分析。例如,要进行水位的仿真,那么在提取了仿真需求之后,对此仿真项目进行得到时间、资源占用度和最佳适配度的得到,得到时间为50min,资源占用度为30%,短期分析模式匹配度为0.8,长期分析模式匹配度为0.7,短期分析和长期模式结合的匹配度为0.6。经过分析之后,选择匹配度高的短期分析模式,还要分析得到时间和资源占用度是否超过预设的门限值。优选的,本发明的时间门限值为90分钟;资源占用度为35%。如果超过90分钟,则较难实时进行水下地形的预测,资源占用度也不能过高,否则容易造成任务量突增而无法进行分析的情况。
另外,如果存在最佳匹配度相等的情况,则选择分析时间短、占用资源少的模式进行水下地形仿真。例如,短期分析模式匹配度为0.8,长期分析模式匹配度为0.8,短期分析和长期模式结合的匹配度为0.6。而短期分析模式相对于长期分析模式的得到时间短,资源占用度也少,那么将选择短期分析模式进行水下地形仿真。
需要说明的是,在得到出了仿真应急仿真之后,将依据预设的展示方式进行展示。例如,可以采用图表、色彩图、地图标记、列表等形式进行展示。
本方案主要是调查现阶段水旱灾害防御现状,结合典型案列,分析水旱灾害防御过程中存在的工程措施问题并提出解决措施。协助各系统数据如防洪、抗旱、水利、城市内涝、水位监测等,并能对大坝、河湖、水库的水位、水库的蓄水量、总库容、入库流量、出库流量等进行实时监测和可视化分析,为防汛抗旱、洪水风险评估等工作提供支持。加强河湖长制及河湖管理。以河湖长制管理信息系统为基础,整合集成河湖管理、涉河建设项目、河道采砂等相关数据以及卫星遥感、视频监控、互联网舆情等信息,构建河湖管理数字化场景,扩展河湖管理保护突出问题遥感智能识别、视频智能分析等模型,升级完善巡查、详查、核查、复查功能,构建支撑查、认、改、罚全生命周期的河湖监管平台。
根据河湖、水系、水位及周边环境情况和实时监控数据,研究高真实感水利系统数字孪生模型构建方法,实现基于云平台的整体水利系统资源和信息可视化;根据水利系统数字孪生模型,研究无网格流体动力学仿真分析模型,实现大范围水系水量的高效模拟仿真和分析结构可视化;进一步探究水旱天气等数学表达模型,研究水旱极端天气对于水利系统破坏的模拟仿真模型,实现实时监控数据驱动的水旱灾害模拟仿真与可视化,提供水旱灾害防御和水资源有效利用的系统理论基础。
通过本发明实施例,所述仿真模型包括通过水下浮泥厚度进行水下地形仿真分析、通过河道横断面进行水下地形仿真分析、通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析中的一种。
需要说明的是,本发明将通过水旱灾害待仿真数据得到水下地形仿真的模式。包括通过水下浮泥厚度进行水下地形仿真分析、通过河道横断面进行水下地形仿真分析、通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析中的一种。
通过本发明实施例,所述通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析具体为:
将水下浮泥厚度分析得到的仿真分析应急仿真乘以水下浮泥厚度权重,加上将河道横断面分析得到的仿真分析应急仿真乘以河道横断面权重;
所述水下浮泥厚度权重与河道横断面权重的和为1。
需要说明的是,在采用通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真这个模式时,所述的预设算法为加权算法。也就是说,将不同模式下的得到应急仿真乘以对应系数,然后进行相加。由于只有两个模式,即水下浮泥厚度和河道横断面进行水下地形仿真分析模式,则水下浮泥厚度权重与河道横断面权重的和为1。值得一提的是,水下浮泥厚度权重与河道横断面权重是可以动态重新分配的。经过动态重新分配的系数,能够更加贴近于实际的数值。
图2示出了本发明动态重新分配权重的方法流程图。
通过本发明实施例,还包括:
S202,提取水下地形仿真数据的实时观测数据和仿真数据;
S204,将所述实时观测数据和仿真数据进行分析,得到差异度;
S206,确定所述差异度是否大于预设的差异度门限值;
S208,如果大于,则进行水下浮泥厚度权重与河道横断面权重的重新分配。
需要说明的是,先确定要仿真的水下地形数据,例如,确定水位或者降水量等仿真,然后提取所述水下地形仿真数据的实时观测数据和仿真数据,其中实时观测数据和仿真数据为某个时间段的数据,例如,提取前面3年或者前1个月,或者去年1-3月等的时间段。此时间段可以为本领域技术人员通过实际需要确定的。其中,实时观测数据为实际监测到的真实数据,仿真数据为当时通过上述的仿真水下地形手段提取到的数据。提取了数据之后可以将上述两个数据进行分析,得到差异度。差异度的是仿真数据与实际测量值做减法运算后求绝对值与实际测量值的除法运算应急仿真,也就是说,将仿真数据值减去实时观测数据值,取绝对值,再除以实时观测数据值,得到差异度。当差异度大于预设的差异度值时,说明存在了较大的差异,需要进行权重的重新分配,在此情况下,进行水下浮泥厚度权重与河道横断面权重的重新分配。
通过本发明实施例,所述进行水下浮泥厚度权重与河道横断面权重的重新分配,具体为:
提取第j天的观测数据与仿真数据/>;
得到在p天中的差异度,具体为:
;
得到所述水下浮泥厚度模式下的权重,具体为:
;
得到所述河道横断面模式下的权重,具体为:
;
其中,为水下浮泥厚度模式下的权重,/>为河道横断面模式下的权重;/>为水下浮泥厚度模式下的差异度,/>为河道横断面模式下的差异度。
需要说明的是,提取第j天的观测数据与仿真数据/>,也就是提取水下浮泥厚度模式和河道横断面模式下的观测数据和仿真数据。观测数据和仿真数据是表示的在所述两种分析模式的情况下,具体指标的值,例如,提取2019年1-6月时间段内每天的水下浮泥厚度和河道横断面模式下的水位的仿真数据和实际监测到的水位的观测数据。统计在m天中的差异度,将得到的m天中的差异度进行得到,得到水下浮泥厚度的权重。其中,Ra为水下浮泥厚度模式下的差异度,Rb为河道横断面模式下的差异度,Wa为水下浮泥厚度模式下的权重。由于水下浮泥厚度权重与河道横断面权重的和为1,所以河道横断面的权重为Wb=1-Wa。
图3示出了本发明进行数据修正的方法流程图。
通过本发明实施例,所述通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据,还包括:
S302,将历史旱涝地区网格分割为M个不同的历史干旱地区和历史洪涝地区;
S304,得到每个历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;
S306,分析每个不同的历史干旱地区和历史洪涝地区的特征向量差异值;
S308,将小于特征向量差异值门限值的历史干旱地区和历史洪涝地区归于近似地区;
S310,提取近似地区的历史水下地形数据值;
S312,通过所述历史水下地形数据值得到校验指标;
S314,通过所述校验指标和水下地形仿真应急仿真,得到应急仿真数据。
需要说明的是,本发明还可以通过预测的值进行应急仿真修正,其修正的参数是通过不同的类似地区进行大数据分析得出的,所以能够更加接近实际数值。首先,先确定历史旱涝地区,此历史旱涝地区可以为全球,也可以为全国,本领域技术人员可以通过实际需要进行确认,然后将此地区网格分割为M个历史干旱地区和历史洪涝地区,M个历史干旱地区和历史洪涝地区可以为独立的地区,也可以为存在地域交集的地区,其大小和范围通过待测地区的地区进行确定。例如,如果测量广州市天河区的水下地形指标,那么可以选取的历史干旱地区和历史洪涝地区面积为1-1.5倍的天河地区面积,选取稍微大点的面积可以使得数据的容差度减少,更有利于贴近真实的数值。确定了M个历史干旱地区和历史洪涝地区,则得到历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;所谓的特征向量为地形和水下地形的特征向量,其能够将不同的地形和水下地形通过量化的形式进行表示,具体的特征向量得到可以采用现有技术中较为通用的得到方式,例如,向量化特征向量得到等,本发明不再针对得到特征向量进行赘述。提取了特征向量之后,将针对特征向量进行比对,将差异值较小的确定为同类地区,也就是,地形和水下地形较为符合的地区。将这些同类地区的历史水下地形数据值进行得到,得到校验指标,具体的得到可以采用通用的滑动时间窗加权平均法,或其他现有方法,本发明不再一一赘述。得到了校验指标之后,可以将仿真预测的数值进行相加,得到修正后的应急仿真,也就是最后的仿真值。通过应急仿真的修正,可以增加仿真的准确度。
图4示出了本发明一种基于数字孪生的水旱灾害应急仿真系统的框图。
本发明第二方面还提供了一种基于数字孪生的水旱灾害应急仿真系统4,该系统包括:存储器41、分析器42,所述存储器中包括基于数字孪生的水旱灾害应急仿真方法程序,所述基于数字孪生的水旱灾害应急仿真方法程序被所述分析器执行时实现如下步骤:
提取水旱灾害待仿真数据;
通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据;
通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据;
将所述应急仿真数据依据时序顺序进行展示。
需要说明的是,提取的水旱灾害待仿真数据可以为温度、湿度、风向、风力、太阳照射强度等相关数据的仿真,并且水旱灾害待仿真数据中还可以包含分析时间、仿真精度、展示模式等参数数据。本发明并不限制水下地形仿真的参数,任何采用本发明的水下地形参数仿真方法都将落入本发明保护范围内。
需要说明的是,通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据。此步骤具体为:通过水旱灾害待仿真数据确定仿真的得到时间、资源占用度和最佳适配度;选择所述最佳适配度最大的值对应的仿真分析模式;确定所述得到时间和资源占用度是否分别超过时间门限值和资源占用度门限值;如果都超过,则将所述水旱灾害待仿真拆分为M个子需求,分别进行分析;如果都不超过,则将所述水旱灾害待仿真直接依据预设模式进行分析。例如,要进行水位的仿真,那么在提取了仿真需求之后,对此仿真项目进行得到时间、资源占用度和最佳适配度的得到,得到时间为50min,资源占用度为30%,短期分析模式匹配度为0.8,长期分析模式匹配度为0.7,短期分析和长期模式结合的匹配度为0.6。经过分析之后,选择匹配度高的短期分析模式,还要分析得到时间和资源占用度是否超过预设的门限值。优选的,本发明的时间门限值为90分钟;资源占用度为35%。如果超过90分钟,则较难实时进行水下地形的预测,资源占用度也不能过高,否则容易造成任务量突增而无法进行分析的情况。
另外,如果存在最佳匹配度相等的情况,则选择分析时间短、占用资源少的模式进行水下地形仿真。例如,短期分析模式匹配度为0.8,长期分析模式匹配度为0.8,短期分析和长期模式结合的匹配度为0.6。而短期分析模式相对于长期分析模式的得到时间短,资源占用度也少,那么将选择短期分析模式进行水下地形仿真。
需要说明的是,在得到出了仿真应急仿真之后,将依据预设的展示方式进行展示。例如,可以采用图表、色彩图、地图标记、列表等形式进行展示。
另外,在进行水下地形仿真的过程中,进行仿真需要运行多个步骤,分别对应输入文件分析和仿真运行管理。另外,从模型运行得到的原始输出文件也必须经过分析,并转移到文件备份系统进行保存。为确保模型能够高效运行并高效分析相关文件,必须将单一长期仿真事件分隔为多个短期仿真事件,按序列进行逐一仿真。也就是说,本发明还可以通过实际需求将一个仿真分析任务分割为多个的短期仿真事件进行分析。例如,在进行一个周期为1年的水下浮泥厚度水下地形仿真时,本发明通过需求,将此分为10个河道横断面的仿真事件,这样可以提高仿真的效度。
本方案针对河湖管理:河道划界成果利用的痛点,研发了河段管理信息平台软件V1.0和V2.0。
多维度水下地形测量:针对多维度水下地形测量技术问题,运用多波束测深仪(EM3002)、双频单波束(ODOM MKⅢ)、无人测量船(中海达i-boat BS 1)、姿态仪(MRU-H)、GNSS 星站差分(天宝R10)、声速剖面仪(Digbar Pro DB1200)、橡皮艇等高新技术设备,在库区范围内开展控制测量、水下地形测量、水下浮泥厚度测量和库区带状地形测量等多项测量任务。通过对水下地形数据、河道横断面成果以及浮泥厚度等多维度成果进行分析,完成库容曲线及淤积分析计算和百年一遇洪水位勘测定界等工作。
生态环境方面:针对农村河道水质问题,进行了护坡材料与农村河道净化水质的研究,提出以农田种植为主的农药化肥净化型及以居住集聚点家禽养殖为主的污糞废水净化型的评估研究,同时也研究出一种农村河道洪水期临时拦污装置,实现农村河道净化。预警预报方面:公司做了相关超标洪水应急预案的项目,针对城市超标洪水的问题,对防汛准备、水情监测预报、水利工程调度、蓄滞洪区运用及堤防弃守、防守与抢险、人员转移安置、预警应急机制等防御工作作出全面安排,提出应急处置对策。
水旱灾害风险普查:通过以县水旱灾害风险普查为例,摸清水旱灾害风险底数,查明重点区域水旱抗灾能力,客观认识灾害风险水平。完成水旱灾害致灾调查与评估、洪水灾害隐患调查与评估、水旱灾害风险评估与区划等各项任务,为自然灾害防治和应急管理工作提供风险信息和科学决策依据。
水库除险加固技术:针对水库土石坝防渗处理技术方面的研究,申请单位通过对芷江县干田冲水库、双峰县道冲水库、茶盘水库、禾村水库、勐海县曼来水库、永顺县决心水库等数十余座水库现场调查,分析其渗漏成因并制定防渗处理措施,解决了水库除险加固的问题,形成具有竞争力的技术手段。
河道整治:在西藏地区以水资源配置及水生态修复为核心,主要承担雅鲁藏布江及雅砻河流域以生态安全为主的防洪治涝,河湖整治、水资源优化配置、水生态治理与保护的科学研究。
通过本发明实施例,所述仿真模型包括通过水下浮泥厚度进行水下地形仿真分析、通过河道横断面进行水下地形仿真分析、通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析中的一种。
需要说明的是,本发明将通过水旱灾害待仿真数据得到水下地形仿真的模式。包括通过水下浮泥厚度进行水下地形仿真分析、通过河道横断面进行水下地形仿真分析、通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析中的一种。
通过本发明实施例,所述通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析具体为:
将水下浮泥厚度分析得到的仿真分析应急仿真乘以水下浮泥厚度权重,加上将河道横断面分析得到的仿真分析应急仿真乘以河道横断面权重;
所述水下浮泥厚度权重与河道横断面权重的和为1。
需要说明的是,在采用通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真这个模式时,所述的预设算法为加权算法。也就是说,将不同模式下的得到应急仿真乘以对应系数,然后进行相加。由于只有两个模式,即水下浮泥厚度和河道横断面进行水下地形仿真分析模式,则水下浮泥厚度权重与河道横断面权重的和为1。值得一提的是,水下浮泥厚度权重与河道横断面权重是可以动态重新分配的。经过动态重新分配的系数,能够更加贴近于实际的数值。
通过本发明实施例,还包括:
提取水下地形仿真数据的实时观测数据和仿真数据;
将所述实时观测数据和仿真数据进行分析,得到差异度;
确定所述差异度是否大于预设的差异度门限值;
如果大于,则进行水下浮泥厚度权重与河道横断面权重的重新分配。
需要说明的是,先确定要仿真的水下地形数据,例如,确定水位或者降水量等仿真,然后提取所述水下地形仿真数据的实时观测数据和仿真数据,其中实时观测数据和仿真数据为某个时间段的数据,例如,提取前面3年或者前1个月,或者去年1-3月等的时间段。此时间段可以为本领域技术人员通过实际需要确定的。其中,实时观测数据为实际监测到的真实数据,仿真数据为当时通过上述的仿真水下地形手段提取到的数据。提取了数据之后可以将上述两个数据进行分析,得到差异度。差异度的是仿真数据与实际测量值做减法运算后求绝对值与实际测量值的除法运算应急仿真,也就是说,将仿真数据值减去实时观测数据值,取绝对值,再除以实时观测数据值,得到差异度。当差异度大于预设的差异度值时,说明存在了较大的差异,需要进行权重的重新分配,在此情况下,进行水下浮泥厚度权重与河道横断面权重的重新分配。
通过本发明实施例,所述进行水下浮泥厚度权重与河道横断面权重的重新分配,具体为:
提取第j天的观测数据与仿真数据/>;
得到在p天中的差异度,具体为:
;
得到所述水下浮泥厚度模式下的权重,具体为:
;
得到所述河道横断面模式下的权重,具体为:
;
其中,为水下浮泥厚度模式下的权重,/>为河道横断面模式下的权重;/>为水下浮泥厚度模式下的差异度,/>为河道横断面模式下的差异度。
需要说明的是,提取第j天的观测数据与仿真数据/>,也就是提取水下浮泥厚度模式和河道横断面模式下的观测数据和仿真数据。观测数据和仿真数据是表示的在所述两种分析模式的情况下,具体指标的值,例如,提取2015年1-6月时间段内每天的水下浮泥厚度和河道横断面模式下的水位的仿真数据和实际监测到的水位的观测数据。统计在m天中的差异度,将得到的m天中的差异度进行得到,得到水下浮泥厚度的权重。其中,Ra为水下浮泥厚度模式下的差异度,Rb为河道横断面模式下的差异度,Wa为水下浮泥厚度模式下的权重。由于水下浮泥厚度权重与河道横断面权重的和为1,所以河道横断面的权重为Wb=1-Wa。
通过本发明实施例,所述通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据,还包括:
将历史旱涝地区网格分割为M个不同的历史干旱地区和历史洪涝地区;
得到每个历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;
分析每个不同的历史干旱地区和历史洪涝地区的特征向量差异值;
将小于特征向量差异值门限值的历史干旱地区和历史洪涝地区归于近似地区;
提取近似地区的历史水下地形数据值;
通过所述历史水下地形数据值得到校验指标;
通过所述校验指标和水下地形仿真应急仿真,得到应急仿真数据。
需要说明的是,本发明还可以通过预测的值进行应急仿真修正,其修正的参数是通过不同的类似地区进行大数据分析得出的,所以能够更加接近实际数值。首先,先确定历史旱涝地区,此历史旱涝地区可以为全球,也可以为全国,本领域技术人员可以通过实际需要进行确认,然后将此地区网格分割为M个历史干旱地区和历史洪涝地区,M个历史干旱地区和历史洪涝地区可以为独立的地区,也可以为存在地域交集的地区,其大小和范围通过待测地区的地区进行确定。例如,如果测量广州市天河区的水下地形指标,那么可以选取的历史干旱地区和历史洪涝地区面积为1-1.5倍的天河地区面积,选取稍微大点的面积可以使得数据的容差度减少,更有利于贴近真实的数值。确定了M个历史干旱地区和历史洪涝地区,则得到历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;所谓的特征向量为地形和水下地形的特征向量,其能够将不同的地形和水下地形通过量化的形式进行表示,具体的特征向量得到可以采用现有技术中较为通用的得到方式,例如,向量化特征向量得到等,本发明不再针对得到特征向量进行赘述。提取了特征向量之后,将针对特征向量进行比对,将差异值较小的确定为同类地区,也就是,地形和水下地形较为符合的地区。将这些同类地区的历史水下地形数据值进行得到,得到校验指标,具体的得到可以采用通用的滑动时间窗加权平均法,或其他现有方法,本发明不再一一赘述。得到了校验指标之后,可以将仿真预测的数值进行相加,得到修正后的应急仿真,也就是最后的仿真值。通过应急仿真的修正,可以增加仿真的准确度。
本发明第三方面还提供一种得到机可读存储介质,所述得到机可读存储介质中包括基于数字孪生的水旱灾害应急仿真方法程序,所述基于数字孪生的水旱灾害应急仿真方法程序被分析器执行时,实现如上述任一项所述的基于数字孪生的水旱灾害应急仿真方法的步骤。
本发明公开的一种基于数字孪生的水旱灾害应急仿真方法、系统和可读存储介质,通过针对不同的水旱灾害待仿真进行模式的确定,采用不同的模式进行仿真,能增加水下地形仿真的精度,并且还能加快仿真分析的速度。并且通过动态重新分配水下浮泥厚度分析和河道横断面权重,能够在高精度仿真要求的时候,使得仿真的效果更贴近于实际的数值。本发明在仿真的过程中还针对仿真效果进行修正,使得仿真效果更真实。
本领域技术人员能够理解,本公开所披露的内容可以出现多种变型和改进。例如,以上所描述的各种设备或组件可以通过硬件实现,也可以通过软件、固件、或者三者中的一些或全部的组合实现。
本公开中使用了流程图用来说明通过本公开的实施例的方法的步骤。应当理解的是,前面或后面的步骤不一定依据顺序来精确的进行。相反,可以依据倒序或同时分析各种步骤。同时,也可以将其他操作添加到这些过程中。
本领域普通技术人员可以理解上述方法中的全部或部分的步骤可通过得到机程序来指令相关硬件完成,程序可以存储于得到机可读存储介质中,如只读存储器、磁盘或光盘等。可选地,上述实施例的全部或部分步骤也可以使用一个或多个集成电路来实现。相应地,上述实施例中的各模块/单元可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。本公开并不限制于任何特定形式的硬件和软件的结合。
除非另有定义,这里使用的所有术语具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解,诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义,而不应用理想化或极度形式化的意义来解释,除非这里明确地这样定义。
以上是对本公开的说明,而不应被认为是对其的限制。尽管描述了本公开的如果干示例性实施例,但本领域技术人员将容易地理解,在不背离本公开的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此,所有这些修改都意图包含在权利要求书所限定的本公开范围内。应当理解,上面是对本公开的说明,而不应被认为是限于所公开的特定实施例,并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本公开由权利要求书及其等效物限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“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发明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不一定指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何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (7)
1.一种基于数字孪生的水旱灾害应急仿真方法,其特征在于,包括:
提取水旱灾害待仿真数据;
通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据;
通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据;
将所述应急仿真数据依据时序顺序进行展示;
所述通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据,还包括:
将历史旱涝地区网格分割为M个不同的历史干旱地区和历史洪涝地区;
得到每个历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;
分析每个不同的历史干旱地区和历史洪涝地区的特征向量差异值;
将小于特征向量差异值门限值的历史干旱地区和历史洪涝地区归于近似地区;
提取近似地区的历史水下地形数据值;
通过所述历史水下地形数据值得到校验指标;
通过所述校验指标和水下地形仿真应急仿真,得到应急仿真数据。
2.根据权利要求1所述的基于数字孪生的水旱灾害应急仿真方法,其特征在于,所述仿真模型包括通过水下浮泥厚度进行水下地形仿真分析、通过河道横断面进行水下地形仿真分析、通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析中的一种。
3.根据权利要求2所述的一种基于数字孪生的水旱灾害应急仿真方法,其特征在于,所述通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析具体为:
将水下浮泥厚度分析得到的仿真分析应急仿真乘以水下浮泥厚度权重,加上将河道横断面分析得到的仿真分析应急仿真乘以河道横断面权重;
所述水下浮泥厚度权重与河道横断面权重的和为1。
4.根据权利要求3所述的一种基于数字孪生的水旱灾害应急仿真方法,其特征在于,还包括:
提取水下地形仿真数据的实时观测数据和仿真数据;
将所述实时观测数据和仿真数据进行分析,得到差异度;
确定所述差异度是否大于预设的差异度门限值;
如果大于,则进行水下浮泥厚度权重与河道横断面权重的重新分配。
5.根据权利要求4所述的一种基于数字孪生的水旱灾害应急仿真方法,其特征在于,所述进行水下浮泥厚度权重与河道横断面权重的重新分配,具体为:
提取第j天的观测数据与仿真数据/>;
得到在p天中的差异度,具体为:
;
得到水下浮泥厚度模式下的权重,具体为:
;
得到河道横断面模式下的权重,具体为:
;
其中,为水下浮泥厚度模式下的权重,/>为河道横断面模式下的权重;/>为水下浮泥厚度模式下的差异度,/>为河道横断面模式下的差异度。
6.一种基于数字孪生的水旱灾害应急仿真系统,其特征在于,该系统包括:存储器、分析器,所述存储器中包括基于数字孪生的水旱灾害应急仿真方法程序,所述基于数字孪生的水旱灾害应急仿真方法程序被所述分析器执行时实现如下步骤:
提取水旱灾害待仿真数据;
通过所述水旱灾害待仿真数据确定仿真模型,得到仿真模型数据;
通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据;
将所述应急仿真数据依据时序顺序进行展示;
所述通过所述仿真模型数据和水旱灾害待仿真数据进行水下地形仿真分析,得到应急仿真数据,还包括:
将历史旱涝地区网格分割为M个不同的历史干旱地区和历史洪涝地区;
得到每个历史干旱地区和历史洪涝地区的地形和水下地形特征,得到特征向量;
分析每个不同的历史干旱地区和历史洪涝地区的特征向量差异值;
将小于特征向量差异值门限值的历史干旱地区和历史洪涝地区归于近似地区;
提取近似地区的历史水下地形数据值;
通过所述历史水下地形数据值得到校验指标;
通过所述校验指标和水下地形仿真应急仿真,得到应急仿真数据。
7.根据权利要求6所述的一种基于数字孪生的水旱灾害应急仿真系统,其特征在于,通过预设算法结合水下浮泥厚度和河道横断面进行水下地形仿真分析具体为:
将水下浮泥厚度分析得到的仿真分析应急仿真乘以水下浮泥厚度权重,加上将河道横断面分析得到的仿真分析应急仿真乘以河道横断面权重;
所述水下浮泥厚度权重与河道横断面权重的和为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310858081.8A CN116776636B (zh) | 2023-07-13 | 2023-07-13 | 一种基于数字孪生的水旱灾害应急仿真方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310858081.8A CN116776636B (zh) | 2023-07-13 | 2023-07-13 | 一种基于数字孪生的水旱灾害应急仿真方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116776636A CN116776636A (zh) | 2023-09-19 |
CN116776636B true CN116776636B (zh) | 2023-12-22 |
Family
ID=88011490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310858081.8A Active CN116776636B (zh) | 2023-07-13 | 2023-07-13 | 一种基于数字孪生的水旱灾害应急仿真方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116776636B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113222296A (zh) * | 2021-06-07 | 2021-08-06 | 中国水利水电科学研究院 | 一种基于数字孪生的防洪调度方法 |
CN114997541A (zh) * | 2022-08-03 | 2022-09-02 | 浙江远算科技有限公司 | 一种基于数字孪生技术的城市内涝预测方法及预警平台 |
KR20220126917A (ko) * | 2021-03-10 | 2022-09-19 | 주식회사 지엔아이티 | 3d 디지털 트윈 댐 모델을 이용한 댐 수문 방류 시뮬레이션 시스템 및 방법 |
CN115146469A (zh) * | 2022-07-07 | 2022-10-04 | 应急管理部国家自然灾害防治研究院 | 一种基于数字孪生仿真平台的洪涝灾害推演方法及系统 |
CN115391474A (zh) * | 2022-08-29 | 2022-11-25 | 湖南五凌电力科技有限公司 | 一种基于数字孪生的流域管理方法及系统 |
CN115600895A (zh) * | 2022-10-10 | 2023-01-13 | 久瓴(上海)智能科技有限公司(Cn) | 基于数字孪生的流域漫滩灾害风险评估方法及装置 |
CN116187554A (zh) * | 2023-02-15 | 2023-05-30 | 久瓴(上海)智能科技有限公司 | 流域的处理方法和装置、电子设备 |
-
2023
- 2023-07-13 CN CN202310858081.8A patent/CN116776636B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220126917A (ko) * | 2021-03-10 | 2022-09-19 | 주식회사 지엔아이티 | 3d 디지털 트윈 댐 모델을 이용한 댐 수문 방류 시뮬레이션 시스템 및 방법 |
CN113222296A (zh) * | 2021-06-07 | 2021-08-06 | 中国水利水电科学研究院 | 一种基于数字孪生的防洪调度方法 |
CN115146469A (zh) * | 2022-07-07 | 2022-10-04 | 应急管理部国家自然灾害防治研究院 | 一种基于数字孪生仿真平台的洪涝灾害推演方法及系统 |
CN114997541A (zh) * | 2022-08-03 | 2022-09-02 | 浙江远算科技有限公司 | 一种基于数字孪生技术的城市内涝预测方法及预警平台 |
CN115391474A (zh) * | 2022-08-29 | 2022-11-25 | 湖南五凌电力科技有限公司 | 一种基于数字孪生的流域管理方法及系统 |
CN115600895A (zh) * | 2022-10-10 | 2023-01-13 | 久瓴(上海)智能科技有限公司(Cn) | 基于数字孪生的流域漫滩灾害风险评估方法及装置 |
CN116187554A (zh) * | 2023-02-15 | 2023-05-30 | 久瓴(上海)智能科技有限公司 | 流域的处理方法和装置、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116776636A (zh) | 2023-09-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stephenson et al. | A new approach to flood vulnerability assessment for historic buildings in England | |
Nasiri et al. | Simulation of water balance equation components using SWAT model in Samalqan Watershed (Iran) | |
CN102999694B (zh) | 一种山地灾害频发区泥石流风险评价方法 | |
CN104408900A (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
Alqadhi et al. | Selecting optimal conditioning parameters for landslide susceptibility: an experimental research on Aqabat Al-Sulbat, Saudi Arabia | |
CN113869689A (zh) | 一种基于遥感和地理信息系统的生态环境动态监测方法 | |
CN111859779B (zh) | 一种燃气管网防第三方施工破坏风险预警的方法及装置 | |
CN104794364A (zh) | 海平面上升脆弱性等级评估的定量化方法 | |
CN111008734A (zh) | 洪水危险性的区划和时空演变规律的研究方法 | |
US20230123790A1 (en) | Method, system and equipment for vegetation restoration or rehabilitation of simulating natural ecosystem based on machine learning | |
CN106919645A (zh) | 复杂地貌大景区的景点气象要素智能精细预测方法 | |
Jin et al. | Integration of an improved transformer with physical models for the spatiotemporal simulation of urban flooding depths | |
CN116776636B (zh) | 一种基于数字孪生的水旱灾害应急仿真方法和系统 | |
Huang et al. | Flood vulnerability to climate change through hydrological modeling: a case study of the Swift Current Creek watershed in western Canada | |
KR102408845B1 (ko) | 산림물지도를 활용한 수원함양기능평가방법 및 시스템 | |
Tian et al. | The connectivity threshold of the wetlands based on water environment response, and a case study of China’s Baiyangdian wetland | |
CN113392585B (zh) | 一种污染地块周边敏感人群空间化方法 | |
Alsubeai | A hydrologic climate study for an arid region | |
Chen | Assessment of urbanization impacts on surface runoff and effects of green infrastructure on hydrology and water quality | |
Rahimi et al. | Investigation and forecasting of land use changes in Shahrekord city Using LCM and GIS | |
Shen et al. | The progress in the research of flood damage loss assessment | |
Gado | Hydrological Modelling for Water Balance Components and Flood Hazard Assessment under Climate Change in Mono, Lower Basin, Benin and Togo | |
Bandara et al. | TREND ANALYSIS OF HISTORICAL AND DOWNSCALED FUTURE CLIMATE DATA IN DEDURU OYA BASIN, SRI LANKA | |
CN114004172A (zh) | 一种基于lspc和iwind-lr的水体月尺度水质预判方法和装置 | |
Jeong et al. | Development of habitat-riparian quality indexing system as a tool of stream health assessment: Case study in the Nakdong River basin |
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 |