申请/专利权人:水利部交通运输部国家能源局南京水利科学研究院
申请日:2024-03-19
公开(公告)日:2024-04-19
公开(公告)号:CN117910365A
主分类号:G06F30/27
分类号:G06F30/27;G06F30/28;G06N20/00;G06F113/06;G06F119/14
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.07#实质审查的生效;2024.04.19#公开
摘要:本发明公开了一种基于机器学习模型的溃坝洪水演进预测方法,包括:建立数据集;数据降维处理;在高分辨率网格中插值低精度洪水淹没数据;采用机器学习模型学习高分辨率网格下低精度数据与高精度数据时间模式函数之间的映射关系;采用经验正交函数逆分析得到高精度洪水淹没数据。本发明建立不同空间分辨率溃坝洪水淹没数据之间的映射关系,利用水动力模型在低空间分辨率网格中获得的淹没数据驱动机器学习模型,得到高空间分辨率网格下水动力模型同等精度的预测结果。该方法不仅加快了模拟的速度,还增强了预测结果的准确性和可靠性。该方法能够有效辅助应急响应团队快速精准地做出决策。
主权项:1.一种基于机器学习模型的溃坝洪水演进预测方法,其特征在于,包括以下步骤:步骤1:建立数据集:构建拟研究区域不同空间分辨率网格,采用基于GPU加速的溃坝洪水演进水动力模型,开展多种溃坝工况下洪水演进过程模拟,建立不同空间分辨率洪水淹没数据集;步骤2:数据降维处理:采用经验正交函数分析方法对淹没数据集中的数据进行降维处理,每组高维时空数据降维处理后得到其空间模式函数和时间模式函数;步骤3:在高分辨率网格中插值低精度洪水淹没数据;步骤4:机器学习模型训练:采用机器学习模型学习高分辨率网格下低精度数据与高精度数据时间模式函数之间的映射关系;步骤5:实时洪水演进预测,采用经验正交函数逆分析得到高精度洪水淹没数据。
全文数据:
权利要求:
百度查询: 水利部交通运输部国家能源局南京水利科学研究院 一种基于机器学习模型的溃坝洪水演进预测方法
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。