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 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 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 > 江苏省环境科学研究院杨飞凯获国家专利权

江苏省环境科学研究院杨飞凯获国家专利权

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!

龙图腾网获悉江苏省环境科学研究院申请的专利一种植草沟长期水文效应监测与评估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:CN120654967B

龙图腾网通过国家知识产权局官网在2026-04-28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:202510839871.0,技术领域涉及:G06Q10/063;该发明授权一种植草沟长期水文效应监测与评估方法是由杨飞凯;王水;张骏彧;刘小龙;缪昊君;黄婷婷;鹿亮亮设计研发完成,并于2025-06-23向国家知识产权局提交的专利申请。

一种植草沟长期水文效应监测与评估方法在说明书摘要公布了:本发明提供一种植草沟长期水文效应监测与评估方法,利用数据可采性评估模型筛选得到待评估植草沟未来具有代表性的降雨事件;采集具有代表性的降雨事件的气象参数和水文性能参数;利用植草沟即时饱和渗透系数反演方法计算得到具有代表性的降雨事件下的植草沟即时饱和渗透系数值,与气象参数值组成第二训练数据集;基于第二训练数据集,建立即时饱和渗透系数动态预测模型;利用即时饱和渗透系数动态预测模型预测得到具有代表性的降雨事件外的新降雨事件下的植草沟即时饱和渗透系数预测值;将植草沟即时饱和渗透系数预测值输入植草沟水文模型中,得到水文性能参数模拟结果。本发明方法能够精准地模拟植草沟在不同气候条件下的长期水文表现。

本发明授权一种植草沟长期水文效应监测与评估方法在权利要求书中公布了:1.一种植草沟长期水文效应监测与评估方法,其特征在于,包括以下步骤: 步骤10,利用数据可采性评估模型对待评估植草沟所在区域的未来降雨事件进行评估筛选,得到具有代表性的降雨事件; 步骤20,当具有代表性的降雨事件发生时,采集具有代表性的降雨事件的气象参数和水文性能参数;利用植草沟即时饱和渗透系数反演方法计算得到具有代表性的降雨事件下的植草沟即时饱和渗透系数值,与具有代表性的降雨事件的气象参数值组成第二训练数据集; 步骤30,基于第二训练数据集,采用XGBoost算法建立即时饱和渗透系数动态预测模型; 步骤40,利用即时饱和渗透系数动态预测模型对具有代表性的降雨事件外的新降雨事件下的植草沟即时饱和渗透系数进行预测,得到植草沟即时饱和渗透系数预测值; 步骤50,将植草沟即时饱和渗透系数预测值输入植草沟水文模型中,得到待评估植草沟的水文性能参数模拟结果; 所述数据可采性评估模型的构建过程包括: 利用植草沟即时饱和渗透系数反演方法计算得到建模植草沟所在区域的至少5年间不少于100场的历史降雨事件下的植草沟即时饱和渗透系数值,与历史降雨事件的气象参数值组成第一训练数据子集; 对第一训练数据子集进行重采样,随机生成包含N个降雨事件组共M类的N*M组短数据序列;计算每组短数据序列中对应的气象参数的平均值,将N*M组数据序列计算得到的气象参数的平均值进行等级映射,分为低、中、高三类;所述N为1000的倍数,M为不大于历史降雨事件总数的整数; 基于N*M组短数据序列,采用XGBoost算法分别建立即时饱和渗透系数动态预测模型,并计算与基于第一训练数据子集建立的即时饱和渗透系数动态预测模型的相对误差;如果相对误差小于10%,则认为该组短数据序列具有代表性,否则认为该组短数据序列不具有代表性; 基于N*M组短数据序列的等级映射结果和是否具有代表性的分类结果,通过伯努利朴素贝叶斯方法建立得到数据可采性评估模型; 植草沟水文模型的构建方法为:以式1和式2为基础,考虑饱和渗透系数的时变特征,提出沟体土壤含水率在垂直方向变化一致性假设并引入静压水头参数,建立植草沟水文模型; 式1 式2 式中,f表示入渗率;Ksx,t表示饱和渗透系数,x表示影响因素,t表示时间;Zf表示渗透路径长度;ΔP表示渗透单元两端压差;Kθ表示非饱和渗透系数;Ks表示饱和渗透系数;θ表示土壤体积含水率;θr表示土壤剩余体积含水率;θs表示土壤饱和体积含水率。

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江苏省环境科学研究院,其通讯地址为:210000 江苏省南京市鼓楼区凤凰西街241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。