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！

龙图腾网获悉国家能源集团西藏尼洋河流域水电开发有限公司申请的专利一种基于集成学习的神经网络水库水位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：CN115186857B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202210302734.X，技术领域涉及：G06Q10/04；该发明授权一种基于集成学习的神经网络水库水位预测方法是由方骏;殷召生;徐培辉;高阳;李晓轩;秦民;曹新设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本一种基于集成学习的神经网络水库水位预测方法在说明书摘要公布了：本发明公开一种基于集成学习的神经网络水库水位预测方法，该方法包括：选取水库空间上相邻的各个水位站长期流入的水位历史数据，形成数据集；对数据集进行数值变换，即数据归一化，得到标准数据集，并对标准数据集划分为训练集、验证集和测试集；构建基于集成学习的神经网络模型，定义损失函数；选择标准数据集的数据对神经网络模型进行训练，并对训练后网络模型进行验证调参；采用Epoch‑WiseBagging集成学习策略，选择验证后的M个最优网络模型进行测试，最终根据各个水位站的实时来水量组合预测水库未来1天以内的实时水位空间分布。该方法不仅考虑了水库水位流入水量数据时间关联性，还考虑了各个水位站间的空间相关性，更好地挖掘水库水位变化规律。

本发明授权一种基于集成学习的神经网络水库水位预测方法在权利要求书中公布了：1.一种基于集成学习的神经网络水库水位预测方法，其特征在于，包括以下步骤： 步骤1：收集水库空间上相邻的各个水位站预设时间段内流入的水位历史数据以形成水库水位样本数据； 步骤2：对步骤1中的水库水位样本数据进行数值变换，即数据归一化，以此得到标准数据集，并对标准数据集划分为训练集、验证集和测试集； 步骤3:构建基于卷积神经网络和长短期时间记忆网络混合模型，定义模型损失函数； 步骤4:使用步骤2中的训练集训练步骤3中构建的神经网络模型，并使用梯度下降策略对步骤3的损失函数进行优化； 步骤5:使用步骤2中的验证集对神经网络模型进行调参，通过多次验证从而确定模型的网络权重参数，并保存验证过程中预测精度最高的M个最优模型； 步骤6:根据Epoch-WiseBagging集成学习策略，选择步骤5中经过验证集验证后的M个最优网络模型，使用步骤2中的测试集对这M个最优网络模型进行测试； 步骤7:将各个水位站的实时来水量组合输入到M个最优网络模型中，将这M个最优网络模型对应的M个输出结果以加权求平均的方法计算得到最终的模型输出以预测水库未来1天以内的实时水位空间分布。

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国家能源集团西藏尼洋河流域水电开发有限公司，其通讯地址为：860000 西藏自治区林芝市巴宜区八一镇巴吉西路(二高对面)；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”。