申请/专利权人：大连理工大学;松辽水利委员会水文局(信息中心)

申请日：2023-11-02

公开（公告）日：2024-03-05

公开（公告）号：CN117648878A

主分类号：G06F30/28

分类号：G06F30/28;G06F30/27;G06N3/0464;G06N3/08;G06F113/08;G06F119/14

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.22#实质审查的生效;2024.03.05#公开

摘要：一种基于1D‑CNN算法的洪水快速演进及淹没模拟方法，首先，构建研究区域的二维水动力学模型，并率定、验证模型糙率参数；其次，运行二维水动力学模型模拟不同历史工况下洪水演进及淹没模拟过程，提取模型输出的淹没水深模拟结果；然后，确定1D‑CNN模型的输入输出结构并生成训练、验证及测试样本集，建立基于1D‑CNN算法的洪水快速演进及淹没模拟模型，训练、优化模型内部权重参数；最后，测试1D‑CNN模型应用效果，以二维水动力学模型的模拟结果为基准，对比分析建立训练的1D‑CNN模型的洪水淹没模拟、预测效果，评估1D‑CNN模型的准确性和时效性。本发明能够有效解决传统二维水动力学模型计算耗时长、消耗大、稳定性差的问题，快速准确地模拟出洪水演进和淹没情况，满足洪水实时预报的应用需求，为洪水预警预演工作提供技术支撑。

主权项：1.一种基于1D-CNN算法的洪水快速演进及淹没模拟方法，其特征在于，包括以下步骤：第一步，构建研究区域二维水动力学模型，采用历史洪水率定、验证二维水动力学模型参数；第二步，运行经率定验证后的二维水动力学模型模拟不同历史洪水工况下洪水演进及淹没模拟过程，提取二维水动力学模型输出的淹没水深模拟结果；第三步，确定1D-CNN模型的输入输出结构并生成训练、验证及测试样本集，建立基于1D-CNN算法的洪水快速演进及淹没模拟模型，用训练和验证样本集数据训练、优化模型内部权重参数；第四步，测试1D-CNN模型，分析训练后的1D-CNN模型洪水演进及淹没模拟的精度及应用效果，将1D-CNN模型应用于洪水预报。

全文数据：

权利要求：

百度查询： 大连理工大学;松辽水利委员会水文局(信息中心) 一种基于1D-CNN算法的洪水快速演进及淹没模拟方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD