基于DTW的测站水位影响关系估计

通过对长江流域城陵矾和大通两测站的水位过程线分析，采用动态时间弯曲距离的改进算法进行相似性匹配，提取出上下游测站水位的影响关系，从而应用于洪峰传播时间的预报．     

基于支持向量回归和高斯过程回归的水文时间序列特征提取方法

水文时间序列受多种环境因素影响,表现出明显的综合性,传统的利用单一神经网络进行特征提取解释性不足。提出一种基于支持向量回归和高斯过程回归的水文时间序列特征提取方法。首先,罗列水文时间序列候选特征,将特征组合等价于0-1规划,并将各特征组合分别进行支持向量回归与高斯过程回归建模;其次,利用遗传算法演化求解一组最优特征组合,使得支持向量回归和高斯过程回归输出误差同时最小;最后,为了证明所提方法的高效性与准确性,以屯溪流域水文时间序列数据为对象进行验证。实验结果表明,基于支持向量回归和高斯过程回归特征提取方法的水文时间序列预测结果优于传统神经网络特征提取方法。     

中小河流洪水防控与应急管理关键技术的思考

在总结国内外洪水防控与应急管理关键技术问题研究成果的基础上,针对中国中小河流众多、洪水频发、灾害严重等特点,讨论了高时空分辨率雨量场构建与短临精准预报、精细与智能洪水预报、洪水实时风险评估与应急处置、水文气象数据质量控制、云平台构建及多重情景仿真等关键技术问题,探讨关键科学问题,为中小河流洪水防控与应急管理提供思路。     

一种无延迟的水文时间序列预测方法

为解决水文时间序列预测中,序列连续值间存在着高度的自相关性,而引起峰值点的预测时间落后于真实时间的问题,提出一种基于CSVMD-LSTM-ELM的无延迟预测方法。首先,将变分模态分解算法(variational mode decomposition,VMD)与布谷鸟搜索算法(cuckoo search algorithm,CS)相结合,其中,VMD用于削弱时间序列间的相关性,CS用于全局搜索VMD参数的最优解,并重点关注预测延迟的问题,为此,定义了一种新的适应度函数;其次,为分解得到的子序列建立了长短期记忆神经网络(long and short-term memory neural network,LSTM)和极限学习机(extreme learning machine,ELM)两种网络结构,分别讨论了单一网络和组合网络预测效果的优劣;最后,在秦淮河流域数据集上进行实验验证,与原有的LSTM和VMD-LSTM-ELM方法进行比较。结果表明,所提方法相较于其他方法,预测的峰值时间延迟更小,预测误差更低。可见,所提方法能够解决预测的延迟问题。     

基于钻孔数据的地质剖面建模系统

根据柱状钻孔和多孔剖面的地质数据特点,提出了一种具有矢量几何拓扑性的基本数据结构,并将知识推理技术引入地质剖面建模算法,从而实现了用户对剖面建模算法和剖面图形的智能决策,解决了传统的地质剖面建模系统由于无法融入可供决策的专家知识和经验而产生的准确性和实用性不高的问题,同时给出了系统实现以及分土层工程量计算的实例.     

基于时空特征挖掘的流量过程智能模拟方法

为减轻洪水灾害事件可能带来的严重后果,实现对流量的及时、准确预测,提出一种基于时空特征挖掘的流量过程智能模拟方法。该方法首先从空间角度入手,建立测站之间的拓扑结构关系;再利用图卷积网络进行空间挖掘;最后利用门控循环单元进行时序挖掘。试验结果表明,基于时空特征挖掘的流量过程智能模拟方法比基于单一特征的模拟方法效果更好。     

基于DTW的测站水位影响关系估计

通过对长江流域城陵矶和大通两测站的水位过程线分析,采用动态时间弯曲距离的改进算法进行相似性匹配,提取出上下游测站水位的影响关系,从而应用于洪峰传播时间的预报.     

浅谈程序设计语言教学中工程能力的培养

结合CCC2002教程中高级语言教学要求,从课堂教学、实验教学和小组开发实践3个方面分析了工程能力培养的目标和方法,初步探讨了国标文档标准学习、编码习惯、开发环境、测试用例设计、口头汇报、用户手册编写、小组开发等学生工程能力培养的可行性措施,对程序设计语言教学改革进行了初步的研究和实践。     

中小河流洪水预报智能调度平台关键技术

洪水预警预报平台以大量水文数据为支撑,针对中小河流水文气象数据缺失、异常等问题,提出多源水文气象数据质量控制技术和方法;研发云环境下具有状态和交互特征的模型封装服务技术,提供数据、算法和模型多层次按需服务;提出中小河流垂直河道淹没算法,并实现基于UE4虚拟引擎的洪水淹没可视化。基于以上关键技术,研发中小河流洪水预报智能调度平台,该平台已在示范流域安徽屯溪得到应用,并推广至南京秦淮河以及福建漳州等流域。     

基于流域日降水量图的相似性搜索方法

为了提升降水量图相似性分析的精确度,提出了一种基于流域日降水量图的相似性搜索方法,该方法从降雨图像中提取日降水量、降雨空间分布和降雨中心特征,并分别计算各特征的相似距离,同时通过提出的归一化折旧累积增益改进粒子群优化的集合加权方法对3个特征的相似距离进行加权融合,作为降雨图像的相似性度量。嘉陵江流域实例验证表明:该方法能够更好地表征降水量图的时空特征,可快速地从降水量图中检索出相似的降雨过程。