摘要：本发明公开一种适应分布式水文水资源数据库的数据展现系统与方法，系统包括数据持久层、控制器、异步刷新显示模块、数据绘图模块、表格显示模块、分布式数据仓库单元以及用户界面；异步刷新显示模块用于响应用户操作，将操作请求传给控制器，控制器调用数据持久层，数据持久层从分布式数据仓库单元获得数据，数据以规定的格式通过控制器传递给异步刷新显示模块，异步刷新显示模块将数据分别发送给数据绘图模块和表格显示模块使页面局部刷新显示数据。方法中用户通过用户界面向控制器发送刷新维度信息的请求；控制器调用数据持久层从分布式数据仓库单元取出维度信息数据；按照用户选择的形式调用数据绘图模块或者表格显示模块进行显示。

摘要：本发明公开一种水利普查数据成果动态专题图生成方法及系统，系统包括数据持久层、异步刷新显示控制器、GIS专题图绘制模块、普查数据仓库单元、封装地图服务对象以及用户界面。方法包括：用户发送请求给异步刷新控制器模块，其调用数据持久层从普查数据仓库单元取出维度信息及其分类信息数据，将数据拼接传回，刷新维度选择区中维度及其分类信息；异步刷新控制器模块获得数据操作指令，根据专题图效果定制区和专题图类型选择区获得用户定制专题图视觉效果的指令；根据普查数据仓库单元返回的数据，将数据拼接成完整格式传入GIS专题图绘制模块和数据排名模块；GIS专题图绘制模块调用封装地图服务对象生成专题图并刷新专题图展示区和数据排名区。

摘要：本发明公开一种基于水文数据的降雨多维分析系统及其实现方法，系统中，水文数据仓库模块组织集成经过预处理的水文数据，分析模型构建模块提供降雨多维分析模型的完整设计、构建功能；数据服务模块响应分析图表开发模块的数据请求；分析图表开发模块为用户提供分析报表和图形的可视化显示和数据展现方式的选择；应用集成模块为用户提供钻取、切块和旋转多维分析功能。方法中，构建降雨多维分析模型和开发多样的分析图表；对开发的分析图表进行集成定义和发布；将用户操作请求提交至数据服务模块，生成具体的数据库查询请求；将查询获得的数据进行相应的聚合计算，分析图表开发模对结果数据进行格式化处理和可视化展现。

摘要：本发明公开一种基于集成学习的年极端降水预测系统及其预测方法，包括数据输入模块、模型构建模块、训练及调试模块、集成模块和数据输出模块。数据输入模块包含从数据库文件中读入水文测站站点原数据和气象基本数据并进行数据预处理；模型构建模块包括获得训练数据集即并构建多维SVM年极端降水预测模型；训练及调试模块确定训练数据及检验数据，对多维SVM模型进行训练及调试，确定各模型的参数；集成模块计算各个模型的预测值的平均相对误差确定权重，进行基于D‑S证据理论的集成；数据输出模块将来年极端降水预测值存储在数据库或文件中，提供查询和分析服务。

摘要：本发明公开一种基于ASCS的LSTM神经网络水文预测方法及系统，该方法包括：(1)采集一水系流域的流量雨量值及所述水系流域对应的雨量站一定时间段内的雨量，形成雨量样本数据，进而一定间隔年份的雨量样本数据形成雨量样本数据集，并对所述雨量样本数据集进行预处理；(2)采用ASCS算法对LSTM神经网络的学习率lr和隐含层节点数hidden_size参数进行寻优，同时利用雨量样本数据集对LSTM神经网络进行训练，最终得到ASCS_LSTM神经网络水文预测模型；(3)对所述ASCS_LSTM神经网络水文预测模型进行测试。本发明采用ASCS算法对LSTM模型的参数进行优化，利用最优参数得到的模型进行水文预测，准确度更高。

摘要：本发明公开了一种基于层次聚类的符号化水文时间序列异常模式检测方法，包括对原始时间序列水文数据进行扩展符号聚集近似表示(ESAX)；采用基于特征向量的层次聚类法对得到的特征向量进行聚类；对待检测的对象进行异常模式检测。本发明方法将符号化表示方法与基于聚类的异常检测方法相结合。先通过扩展符号聚集近似算法对时间序列进行分段并符号化表示，再将得到的特征向量进行层次聚类，利用聚类结果挖掘出正常的数据模式来建立模型，并通过度量待检测对象与模型之间的距离来判定异常模式。

摘要：本发明公开一种基于相似性搜索和LSTM神经网络的水位预测方法，根据待预测日前二十日的水位与此前所有历史水位数据进行比较，利用相似性搜索找出与其相近的一系列时间序列，将其作为训练集采用LSTM网络进行预测。该方法主要包括：数据预处理，旨在查补原始数据中的缺失及错误；水文时间序列快速相似搜索，在离线过程使用滑动窗口方法划分原始时间序列，再通过改进Chameleon聚类方法、最小距离方差法和学习过滤选择法选择合适的索引参考集，最后基于约束DTW距离对原始时间序列的每个位置进行嵌入索引计算形成最终的索引空间。本发明能够提前预测水位，为防洪抗灾工作提供有效的技术支持。

摘要：本发明公开一种基于相似性度量的水文数据异常模式检测方法，该方法基于关键点的线性分段表示KPRA‑PLR算法，根据关键点的定义对水文数据进行切割，对每个子序列通过PLR算法进行直线拟合，用直线的斜率a_i和时间间隔Δ_t表示该子序列；分段后的每个子序列称为元模式，相邻元模式之间组合得到序列模式，对元模式、序列模式的相似性度量分别使用加权距离、SDTW算法，然后计算每个序列模式的异常分数即该模式与其他模式的平均距离的倒数；异常分数即为序列模式S_x的k‑近邻距离，根据k‑近邻局部检测原理计算局部异常因子LOF。本发明利用相似性度量的方法检测出的异常模式更为精准，从数据分析的角度为水文数据异常模式检测提供一种新的技术。

摘要：本发明公开一种基于流向的分布式水文模型并行计算方法，包括提出基于NetCDF(Network Common Data Format)的参数描述方法；实现对分布式水文模型的标准化构建；实现流域离散化与网格构建；根据河道关系、汇流关系，提取并行演算次序序列，实现分布式水文模型并行计算；本发明改变了分布式水文模型传统串行计算的方式，基于网格流向划分(GFD)实现模型计算效率的提升。

摘要：本发明公开一种基于Parallel_ModCTANE的一致性检测模型构建方法，包括对CTANE算法进行改进；对水文数据进行分布式并行条件函数依赖挖掘；对条件函数依赖集进行过滤；对水文数据进行基于主数据的联表不一致性检测，得到水文数据的不一致性检测结果。本发明对数据进行初步清洗后，结合Parallel_ModCTANE方法进行分布式并行条件函数依赖挖掘，使得条件函数依赖挖掘的效率更高，使用基于主数据的联表不一致性检测算法进行一致性检测，使得检测的效率更高。