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！

申请/专利权人：河海大学

摘要：本发明公开一种基于智能计算的数字孪生流域特征要素识别方法，主要面向具有动态特性的诸如涉水工程运行、灾害演变、流场等一类随时间变化的特征要素，通过智能计算的技术手段，实现特征要素识别，支撑数字孪生流域中数字底板建设。针对动态特征要素时变性、隐藏性、弱小性突出的问题，创新提出了模拟双流机制的智能计算模型，降低数字孪生流域特征要素识别的误差累积，本发明公开方法能够敏锐识别出动态特征要素，普遍适用于数字孪生流域数字底板构建的工程应用需求，为水利“三道防线”建设奠定应用技术基础。

主权项：1.一种基于智能计算的数字孪生流域特征要素识别方法，其特征在于，包括如下步骤：面向具有动态特性的数字孪生流域特征要素，提出了模拟人脑双流机制的智能计算模型，模拟人脑双流机制的智能计算模型包括腹侧流通路和背侧流通路模块；在腹侧流通路模块中，模拟视觉皮层的神经活动过程，实现动态特征要素初始识别；在背侧流通路模块中，模拟空间位置感知的神经活动过程，自动判断初始识别结果的识别误差并修正，实现数字孪生流域特征要素识的识别；腹侧流通路模块分别对视皮层中简单细胞和复杂细胞的神经活动过程进行建模，实现对数字孪生流域特征要素识的初始识别；背侧流通路模块判断特征要素的初始识别误差，当出现识别误差时，对当前特征要素识进行重复遍历搜索；模拟并建立腹侧流通路模块：模拟腹侧流通路从简单细胞到复杂细胞连续的神经活动过程进行建模，实现对数字孪生流域特征要素识的初始识别；从输入端到输出端为从低层到高层，腹侧流通路依次包含四层串联结构：①S1层，对低层简单细胞的神经活动过程进行建模，所述建模是采用Gabor小波卷积核函数对输入的水利监测数据进行滤波，实现纹理信息提取；②C1层，对低层复杂细胞的神经活动过程进行建模，所述建模是接收来自S1层的信号并进行整合池化，将S1层产生的多尺度信息进行最大池化计算，实现信息整合；③S2层，对高层简单细胞神经活动过程进行建模，所述建模是将C1层输出结果进行时序匹配，实现时序匹配；④C2层，对高层复杂细胞神经活动过程进行建模，所述建模是对t时刻S2层输出结果进行加权融合计算，实现加权融合；通过C2层的输出获得特征要素的识别结果；模拟背侧流通路的神经活动过程，对特征要素初始识别误差进行估计： 式中：表示t时刻背侧流通路最大响应，μt表示时间窗尺度为5的平均最大响应；若t时刻无特征要素识别误差，t时刻识别出特征要素的空间坐标xt′,yt′为数字孪生流域特征要素最终识别结果，Υ为判断阈值；若t时刻出现特征要素识别误差，对t时刻特征要素进行重复遍历识别：以t-1时刻的特征要素坐标xt′-1,yt′-1为中心设计t时刻重复遍历的搜索区域，设计搜索窗口，在区域内逐点遍历搜索窗口，计算t-1时刻特征要素坐标x′t-1,y′t-1为中心的窗口与各搜索窗口间的相似度；具有最大相似度的搜索窗口中心坐标xt″,yt″为误差修正后t时刻特征要素的识别结果，并反馈至S2层，避免误差累积；至此，完成了对识别误差的判别及修正，实现对数字孪生流域特征要素识的最终识别。

全文数据：

权利要求：

百度查询： 河海大学 一种基于智能计算的数字孪生流域特征要素识别方法