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！

龙图腾网恭喜同济大学申请的专利基于深度学习的城市内涝快速预测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：CN117315318B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202311019804.1，技术领域涉及：G06V10/764；该发明授权基于深度学习的城市内涝快速预测方法是由陶涛;朱文;王思懿;王嘉莹;颜合想;信昆仑;李树平设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本基于深度学习的城市内涝快速预测方法在说明书摘要公布了：本发明提供了一种基于深度学习的城市内涝快速预测方法，具有这样的特征，包括以下步骤：步骤S1，根据图像分割方法SLIC将地区划分为各个区域；步骤S2，对每个区域，构建对应的SN‑DL模型，再将现有的该区域的地形、外部入流量和对应的淹没水深数据对SN‑DL模型进行训练，得到训练好的SN‑DL模型；步骤S3，对每个区域，将外部入流量信息中该区域的外部入流量时序和地形信息中该区域的区域地形信息输入对应的训练好的SN‑DL模型，得到该区域的t时刻的区域积水预测结果；步骤S4，对t时刻的所有区域积水预测结果进行整合，得到t时刻的地区积水预测结果。总之，本方法能够更加快速准确地获得地区积水预测结果。

本发明授权基于深度学习的城市内涝快速预测方法在权利要求书中公布了：1.一种基于深度学习的城市内涝快速预测方法，用于根据地区的t时刻的外部入流量信息和地形信息得到该地区t时刻的地区积水预测结果，其特征在于，包括以下步骤：步骤S1，根据图像分割方法SLIC将所述地区划分为各个区域；步骤S2，对每个所述区域，构建对应的SN-DL模型，再将现有的该区域的地形、外部入流量和对应的淹没水深数据作为训练数据对所述SN-DL模型进行训练，得到训练好的SN-DL模型；步骤S3，对每个所述区域，将所述外部入流量信息中该区域的外部入流量时序Lt和所述地形信息中该区域的区域地形信息H输入对应的训练好的SN-DL模型，得到该区域的t时刻的区域积水预测结果；步骤S4，对t时刻的所有所述区域积水预测结果进行整合，得到t时刻的所述地区积水预测结果，其中，训练好的所述SN-DL模型的网络结构包括：特征提取模块，用于对所述外部入流量时序Lt和所述区域地形信息H进行特征提取，得到时序特征LMt和空间特征HPt；特征融合模块，用于对所述时序特征LMt和所述空间特征HPt进行特征融合，得到融合特征LHt；输出模块，用于根据所述融合特征LHt得到所述区域积水预测结果，所述特征提取模块包括LSTM子模块和MLP子模块，所述LSTM子模块用于对所述外部入流量时序Lt进行时序特征提取，得到所述时序特征LMt，所述MLP子模块用于对所述区域地形信息H进行空间特征提取，得到所述空间特征HPt，所述输出模块包括MLP_A子模块、判断子模块和MLP_B子模块，所述MLP_A子模块用于根据所述融合特征LHt得到地面积水位置Ct，所述判断子模块用于根据所述地面积水位置Ct判断是否存在积水，若是，则将所述地面积水位置Ct输入所述MLP_B子模块，若否，则将所述地区域不积水作为所述区域积水预测结果，所述MLP_B子模块用于根据所述融合特征LHt和所述地面积水位置Ct，得到所述淹没水深Dt作为所述区域积水预测结果，所述外部入流量信息为降雨时所述地区的管网中所有节点在t时刻的外部入流量数据，所述地形信息为所述地区的地面高程数据。

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同济大学，其通讯地址为：200092 上海市杨浦区四平路1239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”。