CN119203811A - 汇流模式关键参数优化的风光水资源要素模拟方法及装置 - Google Patents
汇流模式关键参数优化的风光水资源要素模拟方法及装置 Download PDFInfo
- Publication number
- CN119203811A CN119203811A CN202411111297.9A CN202411111297A CN119203811A CN 119203811 A CN119203811 A CN 119203811A CN 202411111297 A CN202411111297 A CN 202411111297A CN 119203811 A CN119203811 A CN 119203811A
- Authority
- CN
- China
- Prior art keywords
- river
- data
- flow
- strahler
- confluence
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Fluid Mechanics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computing Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种汇流模式关键参数优化的风光水资源要素模拟方法及装置。其中，该方法包括：获取河网数据库和格点化的水文地形数据，将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小。
Description
技术领域
本申请属于水资源处理技术领域，具体涉及一种汇流模式关键参数优化的风光水资源要素模拟方法及装置。
背景技术
曼宁系数是描述河道粗糙程度的关键参数，直接影响水流阻力和流量计算。参数敏感性分析表明，曼宁系数是影响流量模拟精度的最重要参数之一。准确估算曼宁系数对于提高水文模型模拟精度至关重要。传统的通过水文实测获取曼宁系数的方法局限性大，难以推广至整个河网。河道空间分布的曼宁系数变化较大，现场观测具有很大的代表性问题。现有的遥感影像、地理信息等间接估算方法需要大量的校正和验证工作。
通过对水文模型的参数校准，可以间接反演获得优化的曼宁系数。但这种方法得到的曼宁系数可能无法很好地代表实际河道状况。需要结合实测数据、经验公式和理论模型进行综合分析。现有技术无法有效地获取全河网范围内的曼宁系数数据，缺乏一种可靠、高效的曼宁系数观测和估算方法。亟需创新性的技术手段来解决这一问题。
因此，针对全河网曼宁系数直接观测稀缺的问题，研发一种新的曼宁系数观测与估算方法具有重要的现实意义。
发明内容
本申请实施例的目的是提供一种汇流模式关键参数优化的风光水资源要素模拟方法及装置，能够解决全河网曼宁系数直接观测稀缺的问题。
第一方面，本申请实施例提供了一种汇流模式关键参数优化的风光水资源要素模拟方法，该方法包括：
获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；
将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；
根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；
将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；
通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，目标函数为模拟流量和观测流量的流量模拟误差。
第二方面，本申请实施例提供了一种汇流模式关键参数优化的风光水资源要素模拟装置，该装置包括：
获取模块，用于获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；
插值模块，用于将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；
确定模块，用于根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；
输入模块，用于将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；
优化模块，用于通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，目标函数为模拟流量和观测流量的流量模拟误差。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。
第六方面，本申请实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
在本申请的实施例中，通过获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；通过分段优化曼宁系数，可以更好地反映不同等级河段的水文特性，提高模拟结果的可靠性，相比于采用统一曼宁系数进行模拟，分段优化能更准确地模拟流量过程，通过动态维度搜索算法，能够在搜索过程中动态地增加或减少搜索维度，分别优化不同Strahler等级河段的曼宁系数，能够自适应地调整搜索策略，提高搜索效率，使用于表征模拟流量和观测流量的流量模拟误差的目标函数最小，本申请的实施例，得到的精确的河网汇流模拟结果可以为流量模拟提供更准确的参数输入，从而显著提高水文模型的模拟精度，为水资源管理等实际应用提供支撑。
附图说明
图1是本申请实施例提供的一种汇流模式关键参数优化的风光水资源要素模拟方法的流程图；
图2是本申请实施例提供的一种确定河网中心线和集水区边界的矢量数据方法的流程图；
图3是本申请实施例提供的一种汇流模式关键参数优化的风光水资源要素模拟装置的结构图；
图4是本申请实施例的电子设备的硬件结构示意图。
具体实施方式
下面将结合本申请实施例的附图，对本申请实施例的技术方案进行清楚地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请的实施例，本领域普通技术人员获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
本申请实施例提供的汇流模式关键参数优化的风光水资源要素模拟方法至少可以应用于下述应用场景中，下面进行说明。
有参数敏感性分析研究表明，曼宁系数是影响流量模拟的关键参数。但是，全河网曼宁系数的直接观测稀缺。曼宁系数(Manning's coefficient)是水力学中用于描述河流或渠道粗糙度的一个参数，它在河流流量模拟中起着至关重要的作用。由于曼宁系数对流量模拟的敏感性较高，其准确性直接影响到模拟结果的可靠性。然而，曼宁系数的直接观测确实稀缺，这给流量模拟带来了挑战。
Strahler等级是一种用于描述河流系统中河流大小和复杂性的分类方法。Strahler等级从1开始，逐步增加，表示河流的汇合和分支情况。Strahler等级较高的河段通常具有更宽的河床、更深的河道和更复杂的河网结构。
不同Strahler等级的河段由于其河床材料、植被覆盖、河道形态等因素的差异，其曼宁系数也会有所不同。以下是一些关于不同Strahler等级河段曼宁系数的一般性描述：
Strahler等级1，用于标识最小的支流。通常是源头溪流，河床由细小的沉积物组成，可能有一些植被覆盖。曼宁系数：通常较高，因为河床和河岸的粗糙度较大。典型值可能在0.030到0.050之间。
Strahler等级2，用于标识较小的支流。由两个Strahler等级1的支流汇合而成，河床材料可能更加多样化，植被覆盖可能增加。曼宁系数：可能略低于等级1的河段，典型值可能在0.025到0.045之间。
Strahler等级3，用于标识中等支流。由两个Strahler等级2的支流汇合而成，河道可能开始变宽，河床材料可能包括更多的砾石和卵石。曼宁系数：可能进一步降低，典型值可能在0.020到0.040之间。
Strahler等级4及以上，用于标识主河道。例如，主河道，河床宽阔，河床材料可能包括大块的砾石、卵石甚至巨石，植被覆盖可能减少。曼宁系数：通常较低，因为河床和河岸的粗糙度相对较小。典型值可能在0.015到0.035之间。
需要注意的是，上述曼宁系数的范围仅供参考，实际的曼宁系数会受到多种因素的影响，包括河流的具体条件、季节变化、人类活动等。因此，在实际应用中，需要根据具体情况进行实地测量或参考相关研究成果来确定曼宁系数的具体值。
针对相关技术出现的问题，本申请实施例提供一种汇流模式关键参数优化的风光水资源要素模拟方法及装置，能够解决相关技术中，曼宁系数的直接观测稀缺，给流量模拟带来了挑战的问题。
下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的汇流模式关键参数优化的风光水资源要素模拟方法进行详细地说明。
图1为本申请实施例提供的一种汇流模式关键参数优化的风光水资源要素模拟方法的流程图。
如图1所示，该汇流模式关键参数优化的风光水资源要素模拟方法可以包括步骤110-步骤150，该方法应用于汇流模式关键参数优化的风光水资源要素模拟装置，具体如下所示：
步骤110，获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；
在一种可能的实施例中，步骤110，包括：
采集预设区域内各个河流的河流数据；河流数据包括：地形数据、遥感数据、河床数据和植被覆盖数据等。
对河流数据进行河流分级，得到各个河流对应的河流等级，以得到河网数据库。
采集预设区域内各个河流的河流数据采用Strahler河流分级法对河流数据进行河流分级，得到各个河流对应的河流等级，以得到河网数据库。
Strahler河流分级法是一种常用的河流分级方法，它通过河流的汇合和分支情况来定义河流的等级。Strahler分级从最小的支流(等级1)开始，逐步增加等级，表示河流的复杂性和大小。以下是采用Strahler河流分级法进行河流分级和河网数据库构建的步骤：
首先，构建一个有向图表示河网，然后计算了每条河流的Strahler分级。将这些分级结果添加到之前提取的河网中。接下来，创建一个数据库，数据库包括：河流标识信息、河流等级和几何信息三个字段。然后，遍历河网，将每条河流的河流等级和几何信息插入到数据库中。这样，就完成了基于Strahler河流分级的河网数据库构建。这个数据库可以用于后续的河流分析、建模等应用。
具体地，采集河流数据，河流数据包括：地形数据、遥感数据、河床数据和植被覆盖数据等。
其中，地形数据，可以通过数字高程模型(DEM)数据得到，用于提取河流网络。遥感数据：利用卫星遥感图像或航空摄影图像，识别和提取河流信息。实地调查：进行实地考察，收集河流的实际信息，如河床材料、植被覆盖等。
河流提取，水文分析：使用GIS软件(如ArcGIS、QGIS等)进行水文分析，从DEM数据中提取河流网络。河流识别：根据遥感图像和实地调查数据，识别和验证河流网络。
Strahler河流分级，初始分级：将最小的未汇合的支流标记为Strahler等级1。汇合规则：当两个相同等级的河流汇合时，形成一个更高一级的河流；当两个不同等级的河流汇合时，等级保持不变，较高等级的河流等级不变。逐步分级：沿着河流网络逐步应用上述规则，直到整个河网都被分级。
河网数据库构建，数据结构：设计河网数据库的结构，包括河流ID、Strahler等级、河流长度、河床宽度、河床材料、植被覆盖等属性。数据录入：将河流分级结果和其他相关信息录入数据库。数据验证：通过实地调查和遥感图像验证数据库中的信息。
由此，采用Strahler河流分级法进行河流分级和河网数据库构建是一个系统的过程，涉及数据收集、河流提取、分级、数据库构建和管理等多个步骤。通过这一过程，可以建立一个详细和准确的河网数据库，为水文模拟、生态评估和河流管理提供科学依据。
步骤120，将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；
MERIT-Hydro(Merit Hydrography)水文地形数据是一套高精度的全球水文地形数据集，旨在提供改进的河流网络和相关水文特征信息。这些数据集基于多种来源的数据，包括SRTM(Shuttle Radar Topography Mission)、AW3D(ALOS World 3D)和TanDEM-X等高程数据，通过一系列处理步骤来校正和优化，以减少系统误差和随机误差。
汇流网格(Flow Accumulation Grid)是水文分析中的一个重要概念，它表示在数字高程模型(DEM)中，水流从高处流向低处的累积量。汇流网格通常与流向网格(FlowDirection Grid)一起使用，用于模拟和分析地表径流、提取河流网络、划分流域边界等。
汇流网格中的每个单元格值表示从上游所有单元格流入该单元格的水流累积量。这个值通常以单元格数量或面积来表示。汇流网格通常与流向网格结合使用，流向网格指示水流从每个单元格流向相邻单元格的方向。汇流网格的分辨率与DEM的分辨率一致，通常为几十米到几百米不等。汇流网格可以覆盖全球范围或特定区域，取决于DEM数据的覆盖范围。
汇流网格的生成过程，具体可以包括以下步骤：
DEM预处理：首先对DEM数据进行预处理，包括填洼(填补DEM中的坑洼)、流向计算等。
流向计算：根据填洼后的DEM，计算每个单元格的流向。流向通常使用D8方法(八方向方法)来确定，即水流只能流向相邻的八个单元格中的一个。
累积流量计算：根据流向信息，从DEM的最高点开始，逐步计算每个单元格的累积流量。累积流量是根据上游单元格的累积流量和当前单元格的贡献量累加得到的。
生成汇流网格：将累积流量值分配到相应的单元格中，生成汇流网格。
由此，通过设定累积流量的阈值，可以提取河流网络。累积流量达到一定阈值的单元格被认为是河流的一部分。利用汇流网格和流向网格，可以划分出流域边界。流域边界通常是累积流量达到最大值的单元格的集水区域。
汇流网格是水文分析中的关键数据，通过表示水流的累积量，支持河流网络提取、流域划分、水文模拟和生态评估等多种应用。通过生成和使用汇流网格，研究人员和决策者可以更好地理解和模拟地表径流过程，从而支持水资源管理和环境保护。
步骤130，根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；
在一种可能的实施例中，步骤130，包括：
步骤210，根据插值后的高程数据，计算每个汇流网格的流向数据，流向数据用于表示水流从当前网格单元流向相邻汇流网格的方向；
步骤220，根据流向数据，计算每个汇流网格的累积流量数据，累积流量用于表示从上游到当前汇流网格的水流累积量；
步骤230，根据累积流量数据，确定河网中心线和集水区边界；
步骤240，追踪累积流量数据达到预设阈值的汇流网格，提取河网中心线的矢量数据；
步骤250，识别累积流量数据达到预设阈值的网格单元并追踪其流域边界，提取集水区边界的矢量数据。
河网中心线和集水区边界是水文分析中的两个重要概念，它们分别描述了河流网络的中心线和流域的边界。
河网中心线(Stream Network or River Network)是指河流系统的中心轴线，它表示河流的主要流动路径。河网中心线的提取通常基于数字高程模型(DEM)和水文分析工具。
河网中心线的提取步骤包括：对DEM进行填洼处理，消除数据中的坑洼，确保水流能够顺畅流动。流向计算：使用水文分析工具(如TauDEM、ArcGIS水文工具集等)计算每个单元格的流向。根据流向信息，计算每个单元格的累积流量，表示从上游到该单元格的水流累积量。设定一个累积流量的阈值，累积流量超过该阈值的单元格被认为是河流的一部分。通过追踪这些单元格，可以提取出河网中心线。
集水区边界(Watershed Boundary or Catchment Boundary)是指流域的边界，它将地表水和地下水流向同一出口的地理区域分隔开来。集水区边界的提取同样基于DEM和水文分析工具。
集水区边界的提取步骤包括：首先对DEM进行填洼处理。计算每个单元格的流向。计算每个单元格的累积流量。选择一个或多个出口点(如河流的汇合点或河口)，根据流向信息，追踪累积流量达到最大值的单元格，确定集水区的边界。
根据插值后的高程数据，计算每个网格单元的流向。流向通常表示水流从当前网格单元流向相邻网格单元的方向。使用水文分析工具(如TauDEM、ArcGIS水文工具集等)进行流向计算。
根据流向数据，计算每个网格单元的累积流量。累积流量表示从上游到当前网格单元的水流累积量。根据累积流量数据，确定河网中心线和集水区边界。通常，累积流量达到一定阈值的网格单元被认为是河网的一部分。
提取河网中心线的矢量数据，这可以通过追踪累积流量达到阈值的网格单元来实现。提取集水区边界的矢量数据，这可以通过识别累积流量达到阈值的网格单元并追踪其流域边界来实现。
河网中心线和集水区边界是水文分析中的关键要素，通过提取这些要素，可以更好地理解和模拟地表径流过程，从而支持水资源管理和环境保护。使用数字高程模型和水文分析工具，可以系统地提取河网中心线和集水区边界，为各种水文和生态研究提供科学依据。
将格点化的MERIT-Hydro水文地形数据插值到精细化汇流网格上，并提取河网中心线及其集水区边界，可以获得高分辨率的河网和集水区矢量数据，为水文模拟、生态评估和河流管理提供科学依据。
步骤140，将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；
在一种可能的实施例中，步骤140，之前，所述方法还包括：
建立河网汇流模型，在河网汇流模型中定义河网结构，河网结构包括各河段的长度、坡度和断面；
根据不同Strahler等级河段设置不同的初始曼宁系数。
初始化步骤，随机生成一组初始解，包括不同Strahler等级河段的曼宁系数。
迭代优化步骤，根据当前解，计算目标函数值(流量模拟误差)。
根据动态维度搜索策略，确定优化的维度数。
在当前维度上进行搜索，更新曼宁系数。
比较更新后的目标函数值，接受更优解。
停止条件，达到最大迭代次数或目标函数值小于设定阈值。
输出最终优化结果,即不同Strahler等级河段的最优曼宁系数。
这种基于动态维度搜索的优化方法可以有效地提高河网汇流模型的流量模拟精度。
步骤150，通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，目标函数为模拟流量和观测流量的流目标函数值KGE，用于表征模拟值和观测值之间的误差值。
动态维度搜索算法(Dynamic Dimension Search,DDS)是一种优化算法，它通过在搜索空间中动态调整搜索维度来寻找最优解。DDS算法通常用于解决多维优化问题，特别是在目标函数复杂或搜索空间维度较高的情况下。
DDS算法能够在搜索过程中动态地增加或减少搜索维度，以适应问题的复杂性和搜索空间的特性，能够根据当前的搜索结果和历史信息，自适应地调整搜索策略，提高搜索效率。DDS算法具有较强的全局搜索能力，能够在复杂的搜索空间中找到全局最优解或近似最优解。DDS算法可以设计为并行化执行，通过同时搜索多个维度或多个解，加快搜索速度。
动态维度搜索算法的基本步骤：
初始化：设定初始搜索维度和其他参数，如搜索步长、迭代次数等。
搜索过程：在每个维度上进行搜索，评估当前解的目标函数值。
维度调整：根据搜索结果，动态调整搜索维度。如果某个维度上的搜索效果不佳，可以减少该维度的搜索权重或完全移除该维度；反之，如果某个维度上的搜索效果良好，可以增加该维度的搜索权重。
收敛判断：判断是否达到收敛条件，如目标函数值的变化小于某个阈值或达到最大迭代次数。
输出结果：输出找到的最优解或近似最优解。
动态维度搜索算法是一种灵活且高效的优化算法，它通过动态调整搜索维度来适应问题的复杂性和搜索空间的特性。DDS算法在多个领域都有广泛的应用，特别是在需要处理高维优化问题的情况下。通过合理设计和实施DDS算法，可以显著提高优化问题的求解效率和质量。
河网汇流模型的流量模拟误差是一个复杂的优化问题，需要同时考虑河流的不同属性，如地貌、植被、水文等因素。采用动态维度搜索算法可以很好地解决这个问题。
在一种可能的实施例中，步骤150之前，所述方法还包括：
以模拟流量和观测流量的日均流量相对误差平方和最小为目标函数。
在一种可能的实施例中，目标函数为：
其中，目标函数值KGE，用于表征目标函数值KGE，用于表征模拟流量和观测流量之间的误差值；
r，是模拟流量和观测流量的相关系数，α是模拟流量标准差和观测流量标准差的比值，β是模拟流量均值和观测流量均值的比值。KGE的取值范围为(-∞，1)，KGE越接近1，表示，模拟效果越好。
式中，r是模拟值与观测值的相关系数，α＝σm/σ。是模拟值标准差σm与观测值标准差σ。的比值，β＝μm/μ。是模拟均值μm与观测均值μ。的比值。KGE的取值范围为(-∞，7]，KGE越接近1，模拟效果越好。
在一种可能的实施例中，步骤150，包括：
采用动态维度搜索算法对不同Strahler等级河段的曼宁系数进行优化。
在每次迭代中，选择一个河段的曼宁系数进行调整，并重新运行模型得到新的流量模拟结果。
根据目标函数值的变化情况，决定是否接受该次调整，并选择下一个河段进行优化；
不断迭代优化，直至目标函数达到迭代停止条件。
建立河网汇流模型，根据实测数据计算出流量模拟误差作为目标函数。
使用动态维度搜索算法，同时优化不同Strahler等级河段的曼宁系数。动态维度搜索算法可以自适应地调整优化空间的维度数,避免陷入局部最优解。
示例性地，有一个流域，包含10条不同Strahler等级的河段。优化目标为通过优化每个河段的曼宁系数，来最小化河网汇流模型的流量模拟误差。
使用动态维度搜索算法的优化步骤如下：
构建河网汇流模型，并根据实测数据计算出流量模拟误差作为目标函数；初始化步骤中，随机生成10个曼宁系数作为初始解；迭代优化步骤中，计算当前解的目标函数值(流量模拟误差)；根据动态维度搜索策略，确定优化的维度数，这里可能是2或3；在选定的维度上进行搜索，更新对应的曼宁系数；比较更新后的目标函数值，接受更优解。
重复上述迭代优化步骤，直到满足停止条件(如最大迭代次数或目标函数值小于阈值)，输出最终优化结果，即10个河段的最优曼宁系数。
在一种可能的实施例中，不断迭代优化，直至目标函数达到迭代停止条件，包括：
在每个时间步执行以下步骤：
随机选择一个维度；
对该维度的参数进行随机扰动，得到新的参数值；
使用新的参数值计算目标函数值；
如果新的目标函数值小于当前值，则接受该扰动，更新参数；
否则舍弃该扰动，保留当前参数，直到目标函数值不再变化或达到最大迭代次数。
初始化步骤中，设置初始的曼宁系数值；
计算初始的流量模拟误差作为目标函数值；在每个时间步执行以下步骤：
随机选择一个维度，即一个河段的曼宁系数；对该维度的参数进行随机扰动，得到新的参数值；使用新的参数值计算流量模拟误差(目标函数值)；如果新的目标函数值小于当前值，则接受该扰动，更新参数；否则舍弃该扰动，保留当前参数。重复上述步骤，直到目标函数值不再变化或达到最大迭代次数。
示例性地，有一个由10个河段组成的河网模型,需要优化每个河段的曼宁系数。
以下是一个基于随机扰动的优化算法的实施步骤：
设置初始的曼宁系数为[0.03,0.04,0.05,0.06,0.07,0.08,0.09,0.10,0.11,0.12]
计算初始的流量模拟误差作为目标函数值，开始迭代优化，首先初始化了10个河段的曼宁系数和对应的初始流量模拟误差。然后，进入了优化的主循环,在每个迭代步骤中：
随机选择一个河段进行参数扰动，计算扰动后的目标函数值(流量模拟误差)。如果新的目标函数值更小,则接受该扰动,更新当前的曼宁系数和目标函数值。这个过程会重复执行1000次(或者直到目标函数值不再变化)。最终输出优化后的曼宁系数和最小的目标函数值。
在本申请的实施例中，在本申请的实施例中，通过获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；通过分段优化曼宁系数，可以更好地反映不同等级河段的水文特性，提高模拟结果的可靠性，相比于采用统一曼宁系数进行模拟，分段优化能更准确地模拟流量过程，通过动态维度搜索算法，能够在搜索过程中动态地增加或减少搜索维度，分别优化不同Strahler等级河段的曼宁系数，使用于表征模拟流量和观测流量的流量模拟误差的目标函数最小，能够自适应地调整搜索策略，提高搜索效率，由此，精确的河网汇流模拟结果可为水资源管理等实际应用提供支撑。
本申请实施例提供的汇流模式关键参数优化的风光水资源要素模拟方法，执行主体可以为汇流模式关键参数优化的风光水资源要素模拟装置。本申请实施例中以汇流模式关键参数优化的风光水资源要素模拟装置执行汇流模式关键参数优化的风光水资源要素模拟方法为例，说明本申请实施例提供的汇流模式关键参数优化的风光水资源要素模拟装置。
图4是本申请实施例提供的一种汇流模式关键参数优化的风光水资源要素模拟装置的框图，该装置400包括：
获取模块410，用于获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；
插值模块420，用于将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；
确定模块430，用于根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；
输入模块440，用于将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；
优化模块450，用于通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，目标函数为模拟流量和观测流量的流量模拟误差。
在一种可能的实施例中，获取模块410，具体用于：
采集预设区域内各个河流的河流数据；河流数据包括：地形数据、遥感数据、河床数据和植被覆盖数据等。
对河流数据进行河流分级，得到各个河流对应的河流等级，以得到河网数据库。
在一种可能的实施例中，插值模块420，具体用于：
根据插值后的高程数据，计算每个汇流网格的流向数据，流向数据用于表示水流从当前网格单元流向相邻汇流网格的方向；
根据流向数据，计算每个汇流网格的累积流量数据，累积流量用于表示从上游到当前汇流网格的水流累积量；
根据累积流量数据，确定河网中心线和集水区边界；
追踪累积流量数据达到预设阈值的汇流网格，提取河网中心线的矢量数据；
识别累积流量数据达到预设阈值的网格单元并追踪其流域边界，提取集水区边界的矢量数据。
在一种可能的实施例中，优化模块450还用于：
以模拟流量和观测流量的日均流量相对误差平方和最小为目标函数。
在一种可能的实施例中，优化模块450，具体用于：
采用动态维度搜索算法对不同Strahler等级河段的曼宁系数进行优化。
在每次迭代中，选择一个河段的曼宁系数进行调整，并重新运行模型得到新的流量模拟结果。
根据目标函数值的变化情况，决定是否接受该次调整，并选择下一个河段进行优化；
不断迭代优化，直至目标函数达到迭代停止条件。
在一种可能的实施例中，优化模块450，具体用于：
在每个时间步执行以下步骤：
随机选择一个维度；
对该维度的参数进行随机扰动，得到新的参数值；
使用新的参数值计算目标函数值；
如果新的目标函数值小于当前值，则接受该扰动，更新参数；
否则舍弃该扰动，保留当前参数，直到目标函数值不再变化或达到最大迭代次数。
在一种可能的实施例中，获取模块410，还用于：
建立河网汇流模型，在河网汇流模型中定义河网结构，河网结构包括各河段的长度、坡度和断面；
根据不同Strahler等级河段设置不同的初始曼宁系数。
在本申请的实施例中，通过获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；通过分段优化曼宁系数，可以更好地反映不同等级河段的水文特性，提高模拟结果的可靠性，相比于采用统一曼宁系数进行模拟，分段优化能更准确地模拟流量过程，通过动态维度搜索算法，能够在搜索过程中动态地增加或减少搜索维度，分别优化不同Strahler等级河段的曼宁系数，使用于表征模拟流量和观测流量的流量模拟误差的目标函数最小，能够自适应地调整搜索策略，提高搜索效率，由此，精确的河网汇流模拟结果可为水资源管理等实际应用提供支撑。
本申请实施例提供的装置能够实现上述方法实施例实现的各个过程，为避免重复，这里不再赘述。
可选地，图4示出了本申请实施例提供的一种电子设备的硬件结构示意图。
在电子设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地，上述处理器401可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器402可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器402可在综合网关容灾设备的内部或外部。在特定实施例中，存储器402是非易失性固态存储器。在特定实施例中，存储器402包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令，以实现图所示实施例中的任意一种方法。
在一个示例中，电子设备还可包括通信接口404和总线410。其中，如图4所示，处理器401、存储器402、通信接口404通过总线410连接并完成相互间的通信。
通信接口404，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。
总线410包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线410可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该电子设备可以执行本申请实施例中的方法，从而实现结合图1描述的方法。
另外，结合上述实施例中的方法，本申请实施例可提供一种计算机可读存储介质来实现。该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现图1的方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
以上所述，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。
Claims (11)
1.一种汇流模式关键参数优化的风光水资源要素模拟方法，其特征在于，所述方法包括：
获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；
将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；
根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；
将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；
通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，目标函数为模拟流量和观测流量的流量模拟误差。
2.根据权利要求1所述的方法，其特征在于，所述获取河网数据库和格点化的水文地形数据，包括：
采集预设区域内各个河流的河流数据；河流数据包括：地形数据、遥感数据、河床数据和植被覆盖数据等。
对河流数据进行河流分级，得到各个河流对应的河流等级，以得到河网数据库。
3.根据权利要求1所述的方法，其特征在于，所述根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，包括：
根据插值后的高程数据，计算每个汇流网格的流向数据，流向数据用于表示水流从当前网格单元流向相邻汇流网格的方向；
根据流向数据，计算每个汇流网格的累积流量数据，累积流量用于表示从上游到当前汇流网格的水流累积量；
根据累积流量数据，确定河网中心线和集水区边界；
追踪累积流量数据达到预设阈值的汇流网格，提取河网中心线的矢量数据；
识别累积流量数据达到预设阈值的网格单元并追踪其流域边界，提取集水区边界的矢量数据。
4.根据权利要求1所述的方法，其特征在于，所述通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小之前，所述方法还包括：
以模拟流量和观测流量的日均流量相对误差平方和最小为目标函数。
5.根据权利要求1所述的方法，其特征在于，所述通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，包括：
采用动态维度搜索算法对不同Strahler等级河段的曼宁系数进行优化。
在每次迭代中，选择一个河段的曼宁系数进行调整，并重新运行模型得到新的流量模拟结果。
根据目标函数值的变化情况，决定是否接受该次调整，并选择下一个河段进行优化；
不断迭代优化，直至目标函数达到迭代停止条件。
6.根据权利要求1所述的方法，其特征在于，所述不断迭代优化，直至目标函数达到迭代停止条件，包括：
在每个时间步执行以下步骤：
随机选择一个维度；
对该维度的参数进行随机扰动，得到新的参数值；
使用新的参数值计算目标函数值；
如果新的目标函数值小于当前值，则接受该扰动，更新参数；
否则舍弃该扰动，保留当前参数，直到目标函数值不再变化或达到最大迭代次数。
7.根据权利要求1所述的方法，其特征在于，所述将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型之前，所述方法还包括：
建立河网汇流模型，在河网汇流模型中定义河网结构，河网结构包括各河段的长度、坡度和断面；
根据不同Strahler等级河段设置不同的初始曼宁系数。
8.一种汇流模式关键参数优化的风光水资源要素模拟装置，其特征在于，所述装置包括：
获取模块，用于获取河网数据库和格点化的水文地形数据，河网数据库包括：各个河流的河流标识信息和河流等级；水文地形数据包括：高程数据、流向数据、累积流量；
插值模块，用于将格点化的水文地形数据，插值到目标分辨率的精细化汇流网格上，得到插值后的高程数据；
确定模块，用于根据插值后的高程数据、流向数据和累积流量，确定河网中心线和集水区边界的矢量数据，以及根据Strahler河流等级对河网进行分段，确定不同Strahler等级的河段；
输入模块，用于将河网中心线和集水区边界的矢量数据数据输入至预先建立的河网汇流模型，针对不同Strahler等级的河段，采用不同的曼宁系数进行模拟，得到模拟流量；
优化模块，用于通过动态维度搜索算法，分别优化不同Strahler等级河段的曼宁系数，使目标函数最小，目标函数为模拟流量和观测流量的流量模拟误差。
9.根据权利要求8所述的装置，其特征在于，所述确定模块，具体用于：
根据插值后的高程数据，计算每个汇流网格的流向数据，流向数据用于表示水流从当前网格单元流向相邻汇流网格的方向；
根据流向数据，计算每个汇流网格的累积流量数据，累积流量用于表示从上游到当前汇流网格的水流累积量；
根据累积流量数据，确定河网中心线和集水区边界；
追踪累积流量数据达到预设阈值的汇流网格，提取河网中心线的矢量数据；
识别累积流量数据达到预设阈值的网格单元并追踪其流域边界，提取集水区边界的矢量数据。
10.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-7任一项所述汇流模式关键参数优化的风光水资源要素模拟方法。
11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-7任一项所述汇流模式关键参数优化的风光水资源要素模拟方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411111297.9A CN119203811B (zh) | 2024-08-13 | 2024-08-13 | 汇流模式关键参数优化的风光水资源要素模拟方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202411111297.9A CN119203811B (zh) | 2024-08-13 | 2024-08-13 | 汇流模式关键参数优化的风光水资源要素模拟方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN119203811A true CN119203811A (zh) | 2024-12-27 |
| CN119203811B CN119203811B (zh) | 2025-09-05 |
Family
ID=94041022
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202411111297.9A Active CN119203811B (zh) | 2024-08-13 | 2024-08-13 | 汇流模式关键参数优化的风光水资源要素模拟方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN119203811B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120234603A (zh) * | 2025-05-23 | 2025-07-01 | 西安华和实业有限公司 | 一种水文水资源的数据采集方法及系统 |
| CN120372934A (zh) * | 2025-04-11 | 2025-07-25 | 中国科学院大气物理研究所 | 一种河网密度保持的河网中心线和集水区自动化提取方法 |
| CN120805524A (zh) * | 2025-09-15 | 2025-10-17 | 安徽省水利水电勘测设计研究总院股份有限公司 | 降雨汇流路径预测方法、系统、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008110909A2 (en) * | 2007-03-15 | 2008-09-18 | Universita' Degli Studi Di Palermo | Measurement method for measuring the peak flow discharges and the channel bed roughness in a natural or artificial water course and related system |
| CN109325084A (zh) * | 2018-08-06 | 2019-02-12 | 青海中水数易信息科技有限责任公司 | 一种基于gis的河网图生成方法 |
| CN114037806A (zh) * | 2021-10-29 | 2022-02-11 | 江苏省水文水资源勘测局 | 一种山丘区小流域产汇流模型的构建方法 |
| CN114580126A (zh) * | 2022-03-07 | 2022-06-03 | 济南市市政工程设计研究院（集团）有限责任公司 | 一种城市排水防涝系统的构建方法及构建系统 |
-
2024
- 2024-08-13 CN CN202411111297.9A patent/CN119203811B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008110909A2 (en) * | 2007-03-15 | 2008-09-18 | Universita' Degli Studi Di Palermo | Measurement method for measuring the peak flow discharges and the channel bed roughness in a natural or artificial water course and related system |
| CN109325084A (zh) * | 2018-08-06 | 2019-02-12 | 青海中水数易信息科技有限责任公司 | 一种基于gis的河网图生成方法 |
| CN114037806A (zh) * | 2021-10-29 | 2022-02-11 | 江苏省水文水资源勘测局 | 一种山丘区小流域产汇流模型的构建方法 |
| CN114580126A (zh) * | 2022-03-07 | 2022-06-03 | 济南市市政工程设计研究院（集团）有限责任公司 | 一种城市排水防涝系统的构建方法及构建系统 |
Non-Patent Citations (2)
| Title |
|---|
| 于岚岚;蔡涛;: "变动态存储系数法在辽宁大凌河流域河道洪水演算中的运用研究", 吉林水利, no. 09, 15 September 2013 (2013-09-15) * |
| 李敏;林朝晖;邵亚平;杨传国;刘少锋;: "陆面―水文耦合模式的参数率定及改进研究", 气候与环境研究, no. 02, 20 March 2015 (2015-03-20) * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN120372934A (zh) * | 2025-04-11 | 2025-07-25 | 中国科学院大气物理研究所 | 一种河网密度保持的河网中心线和集水区自动化提取方法 |
| CN120372934B (zh) * | 2025-04-11 | 2025-11-14 | 中国科学院大气物理研究所 | 一种河网密度保持的河网中心线和集水区自动化提取方法 |
| CN120234603A (zh) * | 2025-05-23 | 2025-07-01 | 西安华和实业有限公司 | 一种水文水资源的数据采集方法及系统 |
| CN120805524A (zh) * | 2025-09-15 | 2025-10-17 | 安徽省水利水电勘测设计研究总院股份有限公司 | 降雨汇流路径预测方法、系统、电子设备及存储介质 |
| CN120805524B (zh) * | 2025-09-15 | 2025-11-18 | 安徽省水利水电勘测设计研究总院股份有限公司 | 降雨汇流路径预测方法、系统、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN119203811B (zh) | 2025-09-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN119203811B (zh) | 汇流模式关键参数优化的风光水资源要素模拟方法及装置 | |
| Liu et al. | Accounting for model structure, parameter and input forcing uncertainty in flood inundation modeling using Bayesian model averaging | |
| Maathuis et al. | Digital elevation model based hydro‐processing | |
| CN106597575B (zh) | 基于交叉验证和二维高斯分布赋权的降水量空间插值方法 | |
| Vázquez et al. | Assessment of the effects of DEM gridding on the predictions of basin runoff using MIKE SHE and a modelling resolution of 600 m | |
| Sikorska et al. | Value of different precipitation data for flood prediction in an alpine catchment: A Bayesian approach | |
| Aadhar et al. | Application and performance assessment of SWAT hydrological model over Kharun river basin, Chhattisgarh, India | |
| Muluneh et al. | Morphometric analysis of Didessa river catchment in blue nile basin, western Ethiopia | |
| Zhang et al. | Building channel networks for flat regions in digital elevation models | |
| Yang et al. | Bank gully extraction from DEMs utilizing the geomorphologic features of a loess hilly area in China | |
| CN120509193B (zh) | 一种河流与地下水耦合模拟参数的生成方法及系统 | |
| Ursulak et al. | Integration of hydrological models with entropy and multi-objective optimization based methods for designing specific needs streamflow monitoring networks | |
| Gao et al. | A framework for automatic calibration of SWMM considering input uncertainty | |
| CN113779113B (zh) | 基于雨洪时空过程相似性挖掘的洪水动态预估方法及系统 | |
| Farias et al. | Kohonen neural networks for rainfall-runoff modeling: case study of piancó river basin | |
| CN106777724B (zh) | 一种针对半湿润半干旱地区及湿润地区的基流分割方法 | |
| Yépez et al. | Semi-automated morphological characterization using South Rivers Toolbox | |
| Zandbergen | The effect of cell resolution on depressions in digital elevation models | |
| CN118246370B (zh) | 一种流域水沙模型集合评估方法 | |
| CN116595692B (zh) | 一种适用于城市水文模型的城市管网汇流概化方法 | |
| CN119720483A (zh) | 一种基于成峰暴雨分布特征预报未来场次洪水的方法 | |
| Pfennig et al. | Development of an extended routing scheme in reference to consideration of multi-dimensional flow relations between hydrological model entities | |
| Vahidi | Bivariate analysis of river flow and suspended sediment load in Aharchai Basin, Iran | |
| Caccetta et al. | Mapping and monitoring land use and condition change in the southwest of Western Australia using remote sensing and other data | |
| Mera et al. | Prediction of streamflow of the Anai-weir catchment using both the SWAT and Mock models |
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 |