Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 河海大学邓超获国家专利权

河海大学邓超获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉河海大学申请的专利一种基于数字孪生技术的流域水文模型参数动态估计方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN114357716B

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202111477760.8,技术领域涉及:G06F30/20;该发明授权一种基于数字孪生技术的流域水文模型参数动态估计方法是由邓超;邹佳成;王卫光;张淑林设计研发完成,并于2021-12-06向国家知识产权局提交的专利申请。

一种基于数字孪生技术的流域水文模型参数动态估计方法在说明书摘要公布了:本发明公开了一种基于数字孪生技术的流域水文模型参数动态估计方法。基于流域的物理特征数据以及历史水文气象等观测数据,构建流域数字孪生体;在流域内布设传感器实现流域多特征要素的实时监测,实现流域数字孪生体的实时跟踪与信息同步;根据历史以及实时同步的流域数字孪生体,采用数据同化方法和优化算法同步结合的方式估计仿真模型中的状态变量及参数,最终实现流域水文模型参数的动态估计。本发明方法能够充分利用流域实时监测数据,可准确地反映变化环境背景下流域特征条件所呈现的动态变化,实现智能管理、仿真模拟、自动优化、实时更新以及合理预测的目标,可提高变化环境下流域的径流模拟精度。

本发明授权一种基于数字孪生技术的流域水文模型参数动态估计方法在权利要求书中公布了:1.一种基于数字孪生技术的流域水文模型参数动态估计方法,其特征在于,包括以下步骤: 1根据流域的物理特征数据和水文气象数据,构建基于历史时期数据的流域数字孪生体,所述物理特征数据包括数字高程DEM数据、流域土地利用类型LULC数据、流域土壤数据,所述水文气象数据包括降水、潜在蒸发和径流; 基于流域历史时期的气象数据、水文数据、土地利用类型数据、土壤数据、数字高程数据和水利工程数据建立三维物理模型;同时通过图形化的方式建立逻辑模型并将各数据要素的关系反馈到物理模型中;选择合适的流域水文模型,以流域的气象数据、水文数据来建立流域的径流仿真模型,最终将流域实体转化为三维孪生体,形成以物理模型、逻辑模型、径流仿真模型为基础的流域数字孪生体; 2基于流域内布设的传感器对流域多特征要素进行实时监测,获取实时同步的流域数字孪生体; 3基于实时同步的流域数字孪生体,先后采用优化算法和数据同化方法实现流域水文模型参数的动态估计,其具体操作步骤为: 3.1采用参数敏感性分析方法对目标流域所使用的水文模型参数集合进行敏感性分析,筛选出敏感性参数集合和非敏感性参数集合; 3.2采用优化算法对水文模型参数集合进行率定,确定非敏感性参数集合的参数值,具体的: 首先根据历史时期水文气象数据,构建径流模拟值与径流实测值误差平方和最小的参数优化目标函数,对所有参数集合Θ进行率定;随后,对于非敏感参数集合其参数取值在后续过程中一直采用本次最优值保持不变,即对于敏感参数集合Θs中所有参数的本次率定最优值则作为下一步骤中的初始值; 其中上标c表示率定得到的水文模型参数最优值;上标中1~n、1~m均表示参数个数序号;n表示敏感参数个数,m表示非敏感参数个数; 3.3采用数据同化方法构建水文模型敏感性参数集合的状态转移方程和观测方程,根据实时跟踪的流域多特征要素观测值对敏感性参数集合进行动态估计,具体的: 采用数据同化方法构建水文模型敏感参数集合Θs的状态转移方程和观测方程,如下: yt+1=hxt+1,θt+1+ξ2 式中:θ∈Θs为敏感参数;θt+1、θt分别为第t+1、t时刻的模型参数值,ε为均值为0的正态分布误差;xt+1、xt分别为第t+1、t时刻的模型状态变量,η为均值为0的正态分布误差;ut+1为第t+1时刻的模型输入数据,包括降雨P、潜在蒸散发PET;yt+1为第t+1时刻的模型观测变量的模拟值;ξ为均值为0的正态分布误差;f、h在此处均表示流域水文模型;特别地,当t=1时,即在初始时刻,参数取值为前一步骤中率定得到的最优值 当获取了t+1时刻流域蒸散发、土壤含水量和径流数据观测值后,利用观测数据进行敏感参数动态估计过程用如下方程进行描述: 式中:Z表示水文模型状态变量和敏感性参数的扩展向量,即为t+1时刻中滤波的第k个被预测的集合项;为t+1时刻中滤波的第k个被更新的集合项;为t+1时刻通过加入观测误差项而计算得出的第k个观测集合项;Kt+1是t+1时刻的卡尔曼增益因子,由下面的等式计算得到: Kt+1=COVzyCOVyy+Wt+1-15 式中:COVzy表示加入扰动后的扩展向量z和观测向量y的协方差;COVyy表示扰动后的观测向量y的协方差;分别表示扰动后扩展向量、观测向量的平均值;分别表示状态、观测向量中第N项;N表示集合数;上标T表矩阵的转置;特别地,观测向量为流域蒸散发、土壤含水量和径流组成的观测变量向量,即式中ETt+1为t+1时刻的实际蒸散发,Wt+1是t+1时刻的土壤含水量,Qt+1是t+1时刻的径流。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人河海大学,其通讯地址为:211100 江苏省南京市江宁开发区佛城西路8号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。