CN117764317B - 一种考虑环境灾害的水电站安全运行预测方法及系统 - Google Patents

一种考虑环境灾害的水电站安全运行预测方法及系统 Download PDF

Info

Publication number
CN117764317B
CN117764317B CN202311577034.2A CN202311577034A CN117764317B CN 117764317 B CN117764317 B CN 117764317B CN 202311577034 A CN202311577034 A CN 202311577034A CN 117764317 B CN117764317 B CN 117764317B
Authority
CN
China
Prior art keywords
disaster
suspected
hydropower station
data
terrain
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
Application number
CN202311577034.2A
Other languages
English (en)
Other versions
CN117764317A (zh
Inventor
陈建
唐兆康
王胜凯
杨登宇
王建平
曹年红
郭宝龙
芮钧
高磊
李允军
钱昊
周海松
赵琨
管沁雨
李星煜
吴祥祥
施斌
宋学超
邹宇
饶钰玥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Original Assignee
Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Nari Water Conservancy And Hydropower Technology Co ltd filed Critical Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Priority to CN202311577034.2A priority Critical patent/CN117764317B/zh
Publication of CN117764317A publication Critical patent/CN117764317A/zh
Application granted granted Critical
Publication of CN117764317B publication Critical patent/CN117764317B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种考虑环境灾害的水电站安全运行预测方法及系统,包括:结合地形数据,划定影响当前水电站安全运行的地形范围,并确定地形范围内的多个灾害风险子区域;以及根据历史天气数据,确定当前水电站的重点风险时间区间;采集各个灾害风险子区域的疑似灾害数据,并获取未来指定时段内的天气信息;提取各灾害风险子区域的疑似灾害数据的疑似灾害特征信息;按照设定的顺序组合所提取的疑似灾害特征信息,以获得特征序列;将特征序列,输入预先训练的预测模型,以获得水电站安全运行的预测结果。本申请提出了一种用以判断当前流域的流量及泥沙含量的方法,从而实现基于流域的流量以及泥沙含量实现水电站安全运行预测。

Description

一种考虑环境灾害的水电站安全运行预测方法及系统
技术领域
本申请涉及水电站安全运行管理技术领域,尤其涉及一种考虑环境灾害的水电站安全运行预测方法及系统。
背景技术
水电站是重要的清洁能源,水电站的安全稳定运行至关重要。水电站的运行不像火电站,其安全稳定运行容易受自然因素影响,例如暴雨、滑坡、泥石流等自然灾害会造成流域内的泥沙、树干等累积,虽然水电站入口处一般设置有拦污栅,但拦污栅处的杂物累积,也会造成水电站安全运行隐患。并且水域中的泥沙含量攀升,可以突破拦污栅,而利用含有泥沙的水来进行发电会造成桨叶抖动偏大等稳定性问题。
现有的例如滑坡监测基于北斗卫星监测、遥感信息、激光雷达等滑坡预警系统,此类方法通过卫星数据、遥感影像或雷达信号识别目标区域变形情况,但使用成本高、数据处理量庞大、受云层大气影响等因素,更适用于大型单体滑坡,无法应用于水电站的安全运行预测,而人为的判断需要持续的人为监控、且运行人员经验丰富,在极端天气中无法实现无人值守。
发明内容
本申请实施例提供一种考虑环境灾害的水电站安全运行预测方法及系统,针对水电站运行的流域,提出一种用以判断当前流域的流量及泥沙含量的方法,从而实现基于流域的流量以及泥沙含量实现水电站安全运行预测。
本申请实施例提出一种考虑环境灾害的水电站安全运行预测方法,包括:
结合地形数据,划定影响当前水电站安全运行的地形范围,并确定所述地形范围内的多个灾害风险子区域;以及
根据历史天气数据,确定当前水电站的重点风险时间区间;
在所述重点风险时间区间,对多个灾害风险子区域进行监测,以采集各个灾害风险子区域的疑似灾害数据,并获取未来指定时段内的天气信息;
提取各灾害风险子区域的疑似灾害数据的疑似灾害特征信息,以及提取天气信息的天气特征信息;
按照设定的顺序组合所提取的疑似灾害特征信息以及天气特征信息,以获得特征序列;
将所述特征序列,输入预先训练的预测模型,以获得水电站安全运行的预测结果,其中所述预测模型用以预测未来时段当前水电站流域流量及泥沙含量。
可选的,结合地形数据,划定影响当前水电站安全运行的地形范围包括:
根据所述地形数据,构建所划定的地形范围的地形模型,以及从所述地形数据中确定出当前水电站的基础流域;
以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型;
根据所述逆模型、确定出与所述基础流域相连的多条疑似灾害流域,以基于多条疑似灾害流域构建类树状分布图,以基于类树状分布图确定出多个灾害风险子区域;
根据类树状分布图的节点关系以及所述地形模型,为各节点配置特征序列的组合顺序。
可选的,以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型包括:
获取所述基础流域的海拔信息;
以所述海拔信息中的海拔低值区间为参考基准,并将所述基础流域的海拔信息与参考基准进行作差,以确定出逆模型中的模拟流域趋势;以及
对所述地形数据中、所述基础流域中任一侧、与所述基础流域平面的夹角大于预设角度阈值的地形数据,保留实际的流域地形关系,不执行调换处理,以确定出所述地形模型的逆模型。
可选的,以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型还包括:
以所述参考基准,调换所述地形数据的高低差,其中所述基础流域中海拔高度越低的流域,调换后、在所述逆模型的海拔高度越高;
基于调换后的基础流域,以及保留的流域地形关系,构建所述逆模型;
根据所述逆模型、确定出与所述基础流域相连的多条疑似灾害流域包括:
在模拟环境下,基于所述逆模型、执行流量模拟,以获取逆流的流量模拟结果;
根据所述流量模拟结果、选取支流流量大于指定流量阈值的支流作为疑似灾害流域。
可选的,根据类树状分布图的节点关系以及所述地形模型,为各节点配置特征序列的组合顺序包括:
根据所述流量模拟结果,以及所述类树状分布图中各节点与当前水电站之间的位置关系,为各节点配置特征序列的组合顺序,其中,任一支流节点位置流量模拟结果的值越大,节点位置越靠近当前水电站,则顺序越靠前。
可选的,采集各个灾害风险子区域的疑似灾害数据包括:
对于各个疑似灾害流域,在同一时段进行采集,其中各疑似灾害流域的采集时段相同;以及
对于任一疑似灾害流域,在相应的采集时段,按照疑似灾害流域的支流流向以及采集时段的时间顺序,进行采集,以获得各灾害风险子区域的疑似灾害数据。
可选的,预先训练所述预测模型是基于历史天气数据,以及各流域干流以及支流的灾害数据预先训练的,且为任一种地质条件,配置有相应的全局权重,以基于全局权重适配于当前水电站流域环境。
本申请实施例还提出一种考虑环境灾害的水电站安全运行预测系统,所述系统包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如前述的考虑环境灾害的水电站安全运行预测方法的步骤。
本申请的方法提出了一种用以判断当前流域的流量及泥沙含量的方法,从而实现基于流域的流量以及泥沙含量实现水电站安全运行预测。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本实施例的水电站安全运行预测方法的基本流程示意。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本申请实施例提出一种考虑环境灾害的水电站安全运行预测方法,如图1所示,包括如下步骤:
在步骤S101中,结合地形数据,划定影响当前水电站安全运行的地形范围,并确定所述地形范围内的多个灾害风险子区域。一些具体示例中,可以从地形数据中确定出可能会对流域造成影响的范围,而其他范围不做处理,以避免引入多余的噪声,从而降低在后的数据处理量。
在一些实施例中,结合地形数据,划定影响当前水电站安全运行的地形范围包括:
根据所述地形数据,构建所划定的地形范围的地形模型,以及从所述地形数据中确定出当前水电站的基础流域。一些具体示例中,所确定的基础流域可以至少包括干流,还还可以包括例如支流,本申请实施例中,不单单以支流作为疑似灾害流域,而通过本申请设计的疑似灾害流域判断方法来确定出疑似灾害流域,具体参见后续实施例。
以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型;
根据所述逆模型、确定出与所述基础流域相连的多条疑似灾害流域,以基于多条疑似灾害流域构建类树状分布图,以基于类树状分布图确定出多个灾害风险子区域。本申请实施例中,基于逆模型、确定出与所述基础流域相连的多条疑似灾害流域,相比人为经验判断,采用逆模型的方式能够识别出更多的直接或者间接与当前基础流域相连的疑似灾害流域,本申请中的疑似灾害流域可以是当前的支流,也可能是沟谷区域,在常规天气下没有河水,或者河水较少,但在极端天气,例如暴雨天气,则形成支流的流域,均可以基于本申请实施例的逆模型进行识别。
根据类树状分布图的节点关系以及所述地形模型,为各节点配置特征序列的组合顺序。本申请实施例中所构建的类树状分布图,还包括有各疑似灾害流域的支流节点位置信息、支流的规模信息等,可以在后续识别中基于这些信息建立特征序列,以执行识别。
在步骤S102中,根据历史天气数据,确定当前水电站的重点风险时间区间。一些示例中,可以根据水电站所处位置的天气数据,确定出重点风险时间区间,例如南方雨季在七八月份,则相应的区间为重点风险时间区间。一些示例中还可以结合未来例如一周或半个月的天气预测信息,来更新重点时间区间。
在步骤S103中,在所述重点风险时间区间,对多个灾害风险子区域进行监测,以采集各个灾害风险子区域的疑似灾害数据,并获取未来指定时段内的天气信息。
在步骤S104中,提取各灾害风险子区域的疑似灾害数据的疑似灾害特征信息,以及提取天气信息的天气特征信息。
在步骤S105中,按照设定的顺序组合所提取的疑似灾害特征信息以及天气特征信息,以获得特征序列。
在步骤S106中,将所述特征序列,输入预先训练的预测模型,以获得水电站安全运行的预测结果,其中所述预测模型用以预测未来时段当前水电站流域流量及泥沙含量。一些示例中,可以将提取的天气特征信息与固定顺序组合的疑似灾害特征信息来输入预测模型。在一些实施例中,预先训练所述预测模型是基于历史天气数据,以及各流域干流以及支流的灾害数据预先训练的,且为任一种地质条件,配置有相应的全局权重,以基于全局权重适配于当前水电站流域环境。在具体实施中,可以基于历史数据(添加相应的标签)以及流量模拟(用以扩充样本),训练一个子模型。对于当前水电站流域的各条疑似灾害流域,可以结合地质条件、疑似灾害流域的规格来配置一个子模型权重,从而当前水电站流域则包含多个适配后的子模型来构成当前水电站流域则的预测模型,从而通过预测模型来对未来时段的流域中的泥沙含量进行预测。在具体实施中,可以基于泥沙含量对水电站安全运行进行风险分级,从而根据预测结果判断出当前水电站安全运行的风险等级。
本申请的方法提出了一种用以判断当前流域的流量及泥沙含量的方法,从而实现基于流域的流量以及泥沙含量实现水电站安全运行预测。
在一些实施例中,以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型包括:
获取所述基础流域的海拔信息,例如可以获取基础流域河床的海拔信息。
以所述海拔信息中的海拔低值区间为参考基准,并将所述基础流域的海拔信息与参考基准进行作差,以确定出逆模型中的模拟流域趋势;以及
对所述地形数据中、所述基础流域中任一侧、与所述基础流域平面的夹角大于预设角度阈值的地形数据,保留实际的流域地形关系,不执行调换处理,以确定出所述地形模型的逆模型。一些具体示例中,可以基于3D地形数据来构建逆模型,也可以结合3D建模软件和流体模拟软件实现。在一些具体示例中,对于例如流域两侧为山脉的部分,类似的部分在实际运行中在极端天气下不容易引入泥沙,本申请实施例中保留该部分实的流域地形关系,其他类似的部分,也保留相应的地形关系,从而逆模型中包含有可能引入泥沙的疑似灾害流域。
在一些实施例中,以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型还包括:
以所述参考基准,调换所述地形数据的高低差,其中所述基础流域中海拔高度越低的流域,调换后、在所述逆模型的海拔高度越高;
基于调换后的基础流域,以及保留的流域地形关系,构建所述逆模型;
根据所述逆模型、确定出与所述基础流域相连的多条疑似灾害流域包括:
在模拟环境下,基于所述逆模型、执行流量模拟,以获取逆流的流量模拟结果;
根据所述流量模拟结果、选取支流流量大于指定流量阈值的支流作为疑似灾害流域。一些具体示例中,基于所述逆模型、执行流量模拟,从而可以基于当前水电站流域逆流至可能的水域发展区域,而对应的,在雨季,极端天气的情况下,这些水域发展区域即可能的水源,且流入当前水电站的流域内,通过该设计能够识别出更多的疑似灾害流支流。
在一些实施例中,根据类树状分布图的节点关系以及所述地形模型,为各节点配置特征序列的组合顺序包括:
根据所述流量模拟结果,以及所述类树状分布图中各节点与当前水电站之间的位置关系,为各节点配置特征序列的组合顺序,其中,任一支流节点位置流量模拟结果的值越大,节点位置越靠近当前水电站,则顺序越靠前。
一些具体示例中,为各节点配置特征序列的组合顺序,从而可以基于子模型及其配置的权重,来对特征序列进行识别,一些具体示例中,考虑组合顺序,可以在配置权重后,使得预测模型整体倾向于组合顺序靠前的支流节点,从而使得预测模型关注于重点支流。
在一些实施例中,采集各个灾害风险子区域的疑似灾害数据包括:
对于各个疑似灾害流域,在同一时段进行采集,其中各疑似灾害流域的采集时段相同;以及
对于任一疑似灾害流域,在相应的采集时段,按照疑似灾害流域的支流流向以及采集时段的时间顺序,进行采集,以获得各灾害风险子区域的疑似灾害数据,具体采集的疑似灾害数据可以包含图像数据、视频数据等。
本申请实施例中不执行同时刻采集,本申请的采集方式为各疑似灾害流域在同一时段、按照时间顺序进行采集,从而获取到该疑似灾害流域包含有动态发展趋势的灾害特征。在另一些实施例中,例如一个采集时段可以基于天气预报的更新周期进行设置,从而保证天气特征与采集时段具有相同的更新周期。
在一些实施例中,提取各灾害风险子区域的疑似灾害数据的疑似灾害特征信息包括:对于采集的任一灾害风险子区域的疑似灾害数据,提取图像数据或者视频数据中的支流特征,并按照采集的时间顺序进行拼接,从而形成任一灾害风险子区域的疑似灾害特征信息,通过这样的方式可以舍弃部分的识别灵敏度,从而关注于采集时段的整体流量、泥沙发展趋势。
之后将特征序列,输入预先训练的预测模型,以获得水电站安全运行的预测结果,从而预测未来时段当前水电站流域流量及泥沙含量。
本申请实施例的考虑环境灾害的水电站安全运行预测方法,利用预测模型实现与当前水电站流域进行匹配,并针对环境灾害,特别是暴雨、泥石流等极端天气可能造成的水电站安全隐患进行识别,从而辅助水电站运行管理人员进行判断,提高水电站安全运行的可靠性。
本申请实施例还提出一种考虑环境灾害的水电站安全运行预测系统,所述系统包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如前述的考虑环境灾害的水电站安全运行预测方法的步骤。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本公开的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。并不限于在本说明书中或本申请的实施期间所描述的示例,其示例将被解释为非排他性的。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。
以上实施例仅为本公开的示例性实施例,本领域技术人员可以在本公开的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。

Claims (4)

1.一种考虑环境灾害的水电站安全运行预测方法,其特征在于,包括:
结合地形数据,划定影响当前水电站安全运行的地形范围,并确定所述地形范围内的多个灾害风险子区域;以及
根据历史天气数据,确定当前水电站的重点风险时间区间;
在所述重点风险时间区间,对多个灾害风险子区域进行监测,以采集各个灾害风险子区域的疑似灾害数据,并获取未来指定时段内的天气信息;
提取各灾害风险子区域的疑似灾害数据的疑似灾害特征信息,以及提取天气信息的天气特征信息;
按照设定的顺序组合所提取的疑似灾害特征信息以及天气特征信息,以获得特征序列;
将所述特征序列,输入预先训练的预测模型,以获得水电站安全运行的预测结果,其中所述预测模型用以预测未来时段当前水电站流域流量及泥沙含量;
其中,结合地形数据,划定影响当前水电站安全运行的地形范围,包括:
根据所述地形数据,构建所划定的地形范围的地形模型,以及从所述地形数据中确定出当前水电站的基础流域;
以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型;
根据所述逆模型确定出与所述基础流域相连的多条疑似灾害流域,以基于多条疑似灾害流域构建类树状分布图,以基于类树状分布图确定出多个灾害风险子区域;
根据类树状分布图的节点关系以及所述地形模型,为各节点配置特征序列的组合顺序;
以所述基础流域为基准,调换所述地形数据的高低差,确定所述地形模型的逆模型,包括:
获取所述基础流域的海拔信息;
以所述海拔信息中的海拔低值区间为参考基准,并将所述基础流域的海拔信息与参考基准进行作差,以确定出逆模型中的模拟流域趋势;
对所述地形数据中所述基础流域中任一侧与所述基础流域平面的夹角大于预设角度阈值的地形数据,保留实际的流域地形关系,不执行调换处理,以确定出所述地形模型的逆模型;
以所述参考基准,调换所述地形数据的高低差,其中,所述基础流域中海拔高度越低的流域,调换后在所述逆模型的海拔高度越高;
基于调换后的基础流域,以及保留的流域地形关系,构建所述逆模型;
根据所述逆模型确定出与所述基础流域相连的多条疑似灾害流域,包括:
在模拟环境下,基于所述逆模型执行流量模拟,以获取逆流的流量模拟结果;
根据所述流量模拟结果、选取支流流量大于指定流量阈值的支流作为疑似灾害流域;
根据类树状分布图的节点关系以及所述地形模型,为各节点配置特征序列的组合顺序,包括:
根据所述流量模拟结果,以及所述类树状分布图中各节点与当前水电站之间的位置关系,为各节点配置特征序列的组合顺序,其中,任一支流节点位置流量模拟结果的值越大,节点位置越靠近当前水电站,则顺序越靠前。
2.如权利要求1所述的考虑环境灾害的水电站安全运行预测方法,其特征在于,采集各个灾害风险子区域的疑似灾害数据包括:
对于各个疑似灾害流域,在同一时段进行采集,其中各疑似灾害流域的采集时段相同;以及
对于任一疑似灾害流域,在相应的采集时段,按照疑似灾害流域的支流流向以及采集时段的时间顺序,进行采集,以获得各灾害风险子区域的疑似灾害数据。
3.如权利要求1所述的考虑环境灾害的水电站安全运行预测方法,其特征在于,预先训练所述预测模型是基于历史天气数据,以及各流域干流以及支流的灾害数据预先训练的,且为任一种地质条件,配置有相应的全局权重,以基于全局权重适配于当前水电站流域环境。
4.一种考虑环境灾害的水电站安全运行预测系统,其特征在于,所述系统包括处理器和存储器,所述存储器上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3中任一项所述的考虑环境灾害的水电站安全运行预测方法的步骤。
CN202311577034.2A 2023-11-23 2023-11-23 一种考虑环境灾害的水电站安全运行预测方法及系统 Active CN117764317B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311577034.2A CN117764317B (zh) 2023-11-23 2023-11-23 一种考虑环境灾害的水电站安全运行预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311577034.2A CN117764317B (zh) 2023-11-23 2023-11-23 一种考虑环境灾害的水电站安全运行预测方法及系统

Publications (2)

Publication Number Publication Date
CN117764317A CN117764317A (zh) 2024-03-26
CN117764317B true CN117764317B (zh) 2024-07-19

Family

ID=90313487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311577034.2A Active CN117764317B (zh) 2023-11-23 2023-11-23 一种考虑环境灾害的水电站安全运行预测方法及系统

Country Status (1)

Country Link
CN (1) CN117764317B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117952430B (zh) * 2024-03-27 2024-07-09 长江三峡集团实业发展(北京)有限公司 应对气象变化的发电站安全预警方法、装置、设备及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194500A (zh) * 2017-05-03 2017-09-22 王耀慧 一种泥石流预测研究方法
CN116362419A (zh) * 2023-05-31 2023-06-30 聊城市科慧市政工程设计院有限公司 一种城市防洪预警系统及方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107393001B (zh) * 2017-07-26 2019-01-29 新疆金风科技股份有限公司 Srtm数据无效区域的填补方法和设备
CN109558618B (zh) * 2018-01-31 2019-09-20 清华大学 流域流量的获取方法、装置、设备及可读存储介质
AR109623A1 (es) * 2018-02-16 2019-01-09 Pescarmona Enrique Menotti Proceso y sistema de análisis y gestión hidrológica para cuencas
CN111611701B (zh) * 2020-05-14 2024-01-05 浙江省水利河口研究院 一种应用于水工河工模型试验的可逆地形边界建模方法
CN112507823B (zh) * 2020-11-27 2022-08-02 清华大学 森林火灾特殊危险地形识别方法及装置
CN113553792B (zh) * 2021-09-18 2021-12-21 中国科学院、水利部成都山地灾害与环境研究所 一种山地灾害全过程数值模拟与险情预报方法
CN115034600A (zh) * 2022-06-06 2022-09-09 青岛地质工程勘察院(青岛地质勘查开发局) 一种用于地质灾害监测的预警方法及系统
CN115510578B (zh) * 2022-09-26 2023-07-14 成都理工大学 基于InSAR近实时监测的滑坡失稳时间概率预测方法及产品
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
CN116911599A (zh) * 2023-07-11 2023-10-20 国网上海市电力公司 城地下变电站的城市内涝致灾因子危险性评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107194500A (zh) * 2017-05-03 2017-09-22 王耀慧 一种泥石流预测研究方法
CN116362419A (zh) * 2023-05-31 2023-06-30 聊城市科慧市政工程设计院有限公司 一种城市防洪预警系统及方法

Also Published As

Publication number Publication date
CN117764317A (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN117764317B (zh) 一种考虑环境灾害的水电站安全运行预测方法及系统
KR102158286B1 (ko) 침수 예측 방법 및 침수 예측 장치
KR101285044B1 (ko) 발전용 댐의 홍수기 수문방류량 결정방법
Sebastian et al. Hindcast of pluvial, fluvial, and coastal flood damage in Houston, Texas during Hurricane Harvey (2017) using SFINCS
CN116362419B (zh) 一种城市防洪预警系统及方法
Diaz-Nieto et al. GIS water-balance approach to support surface water flood-risk management
CN115423272B (zh) 一种融合历史淹没强度的洪涝风险评估方法和系统
CN117556197B (zh) 一种基于人工智能的台风涡旋初始化方法
Karamouz et al. DEM uncertainty based coastal flood inundation modeling considering water quality impacts
CN111475950A (zh) 一种下凹式立交桥下雨洪的模拟方法
KR20210077228A (ko) 침수 범람 예측 시스템
Yan et al. Estimation of urban-scale photovoltaic potential: A deep learning-based approach for constructing three-dimensional building models from optical remote sensing imagery
Shirali et al. Evaluation of WRF and artificial intelligence models in short-term rainfall, temperature and flood forecast (case study)
CN117150600B (zh) 一种用于城市防内涝的屋顶蓄排水控制方法
Amir et al. Hydrologic and hydrodynamic modelling of extreme flood events to assess the impact of climate change in a large basin with limited data
Strapazan et al. A comparative assessment of different loss methods available in Mike Hydro River-UHM
Yao et al. Determining Spatially-Distributed Annual Water Balances for Ungauged Locations on Shikoku Island, Japan: A Comparison of Two Interpolators/Détermination de Bilans Hydriques Spatialisés pour des Sites Non-Jaugés de L'Īle de Shikoku, au Japon: Comparaison de Deux Interpolateurs
Dau et al. ASSESSMENT OF POTENTIAL IMPACTS OF CLIMATE AND SOCIO-ECONOMIC CHANGES ON FUTURE WATER SECURITY IN THE HIMALAYAS, INDIA.
Hedger et al. Mapping natural and artificial migration hindrances for fish using LiDAR remote sensing
CN117953370B (zh) 一种基于图遥感技术与三维gis系统的电站水量预测方法
Khorchani et al. Assessing Impact of Land-use Change on the Hydrological Response for Mellegue River, Tunisia
Duvvuri Hydrological modelling of Cooum river basin using GIS and SWAT model
Fernández Sáchez et al. Predicting Inflow Flow in Hydraulic Dams Using Artificial Neural Networks
Zhao et al. Targets-specified grids-tailored sub-model approach for fast large-scale high-resolution 2D urban flood modelling
Luciani et al. Distributed urban storm water modeling within GIS integrating analytical probabilistic hydrologic models and remote sensing image analyses

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