本技术公开了一种耦合水文模型与逻辑回归的山洪易发性评价方法，构建水文模型；计算各一级子流域的山洪成灾流量，设置不同降雨情景，利用水文模型模拟各一级子流域在不同降雨情景下的洪水过程；选择最能反映流域山洪成灾普遍规律的降雨场次，并针对该降雨场次收集各一级子流域在的山洪成灾流量数据用于山洪易发性评价模型构建；提取各一级子流域特征作为评价因子，基于Pearson相关系数法进行山洪易发性评价因子初筛，在初筛结果的基础上基于LASSO回归对山洪易发性评价参数完成筛选；基于逻辑回归进行子流域山洪易发性评价。与现有技术相比，本发明能够实现方便、高效地进行流域山洪易发性判断。

 本技术公开了一种多雨季节卫星影像云层遮挡区域大田作物生物量预测方法。方法包括:获取研究区域内大田作物的关键生育期数据；进行卫星图像农田提取和农作物生物量数据的反演；将可能受灾农田去除后获得被云层遮挡的实际预测区域和未被云层遮挡的参考区域的卫星影像及各自的农作物生物量数据，进行比较后获得待预测日期作物生物量分布图，实现云层遮挡区域作物生物量预测。本发明通过采用空天地一体化监测技术，在卫星、无人机以及地面传感网络的多维度配合下，实现卫星尺度作物生物量数据的精准反演，可以解决作物关键生育期由于云层遮挡而缺乏卫星尺度数据的问题，实现卫星尺度作物长势的连续监测。

 本技术公开了一种基于电压和温度影响下的干式套管电场计算方法，基于电压和温度影响下的干式套管电场计算方法的对象是干式套管，所述干式套管包括:端盖、内导电管、外导电管、环氧芯子、绝缘外套、法兰以及封堵件。所述基于电压和温度影响下的干式套管电场计算方法包括如下步骤：S1、将所述干式直流套管的模型导入物理场仿真软件中，将干式直流套管通入直流电压U，仿真得到仿真电场和仿真温度场；S2、人为对仿真电场和仿真温度场进行分析，得到高压电流、绝缘外套中各层绝缘结构材料和温度均与电场大小有关系高压电流大小。该基于电压和温度影响下的干式套管电场计算方法解决现有技术中只能仿真电场而不能预测各层绝缘结构的电场强度的问题。

 本技术公开一种基于模式库的洪水预报智能推荐方法。首先，从历史降雨数据和历史洪水数据中挖掘降雨‑洪水关联模式，构建降雨‑洪水关联模式库:然后使用水文预报场景下的智能推荐算法，通过目标降雨特征提取、目标降雨相似性搜索、构建多层次的降雨‑洪水关联矩阵、计算推荐度等步骤，得到洪水过程推荐列表，作为当前降雨可能导致的洪水发展趋势的预报预警信息。本发明实现了基于降雨‑洪水关联模式库的洪水预报智能推荐，可以根据历史场景对当前降雨可能导致的洪水过程作出预测，为防洪防汛决策提供有力技术支撑。

 本文公开了一种自动驾驶汽车测试场景生成方法、装置及存储介质，所述方法包括:对事故场景进行重建，并结构化事故文本、视频信息，分类提取各起交通事故场景中的静态要素与动态要素；对所述静态要素和所述动态要素按照预设步长采样，将场景提取为若干个场景截面，所述场景截面包括对应时间戳下车辆轨迹数据；将所述场景截面输入训练好的生成对抗网络模型，得到带有时间轴标签的测试场景，如此，通过生成对抗网络生成出兼具真实性与多样性的全新测试场景，再通过重要性采样方法与灵敏度分析算法相结合的方法对生成出的场景进行危险性评价，对生成模型进行反馈并优化场景生成技术。

 本技术涉及一种随机工况电池组的故障诊断方法及装置。方法包括:基于获得的电池单体的状态参数预测矩阵和实际观测参数矩阵进行残差计算和特征提取，得到电池单体的特征矩阵；利用主成分分析法对电池单体的特征矩阵进行降维处理，得到电池单体的综合评价指标；将每个电池单体的综合评价指标与预设阈值相比较，并将综合评价指标超过预设阈值的电池单体确定为故障电池单体；根据故障电池单体对应的特征矩阵和电池单体的初始状态矩阵，构建故障电池单体的故障类型矩阵；将故障电池单体的故障类型矩阵输入训练好的故障类型概率预测模型中，得到故障电池单体的故障类型所对应的触发概率，以对电池组进行故障诊断。本方案，能够实现对电池组的故障类型的准确诊断。

 本文涉及容器编排技术领域，具体涉及基于容器的策略编排响应方法、系统及计算机存储介质，该方法包括:通过容器引擎构建容器镜像；获取集群内节点上相同优先级下每个容器的每种负载参数的资源使用序列；获取各子序列的局部特征向量、动态特征值；确定第一相对差异、第二相对差异；确定相同优先级下每个容器的每种负载参数的相对动态差异；确定相同优先级下每个容器的资源调整系数；对相同优先级的容器进行资源配置调整；基于容器镜像和所述资源配置调整的资源分配策略，通过容器编排工具对容器进行部署和监控。本申请能够在相同优先级的资源配置出现冲突时，对资源配置进行动态调整，提高网络安全事件的响应速度、准确性和效率。

 本文属于地质开发领域，具体涉及一种深层页岩气地质开发单元精细划分方法。通过综合多源数据恢复沉积古地貌，并结合多种分析方法进行多层次的单元划分。以沉积古地貌的恢复作为基础，通过印模法重构古地貌特征，为一级地质开发单元的划分提供依据；在一级单元基础上，运用层次分析法进一步细化划分，结合聚类分析等方法来更精细地刻画二级地质开发单元；相较于现有技术，本申请可以全面刻画目标开发单元储层内部的非均质性，确保多参数间的非线性关系得以体现，提高了开发单元划分和储层评价的科学性。

 本技术提供了一种齿轮齿向修形方法、系统、设备及介质，属于机械齿轮设计技术领域，其方法包括如下步骤:构建齿轮的齿向修形量数学模型及啮合刚度变化率数学模型，根据齿向修形量数学模型及啮合刚度变化率数学模型构建齿轮齿向修形的自适应函数；将齿向修形量作为粒子群算法的粒子，使用粒子群算法对自适应函数进行迭代优化，寻找粒子的全局最优解，若没有全局最优解，使用余弦退火算法对迭代优化后的自适应函数再次进行目标寻优，得到粒子的最优解，并根据最优解对齿轮进行齿向修形。本发明通过结合粒子群算法的全局搜索能力和余弦退火算法对所构建的自适应函数进行目标优化，能够高效地在复杂解空间中寻找齿向修形量的最优解。

 本技术属于水文预报领域，公开了一种基于图卷积神经网络(GCN)的水库水位预测方法。该方法旨在解决降雨情况下的水库水位预测问题，为水库调度提供有效支持。主要通过图卷积神经网络(GCN)对降雨图像数据进行训练，并结合双向长短时记忆网络(BiLSTM)提取水库水位的时间序列特征，从而构建一个能够通过降雨图像预测水库水位的模型。具体而言，GCN用于提取降雨图像的时空特征，并利用多头注意力机制对这些特征进行融合。在BiLSTM中，输入的时序数据序列通过两个方向的LSTM网络进行处理，从而同时捕获过去和未来的信息。通过合并这两个方向的隐藏状态，模型能够更深入地理解时序数据的内在规律，从而提高水库水位的预测精度。