武汉大学谢康获国家专利权
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！
龙图腾网获悉武汉大学申请的专利一种物理机制引导深度学习的降雨径流模拟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：CN111428421B 。
龙图腾网通过国家知识产权局官网在2025-08-08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：202010161257.0，技术领域涉及：G06F30/27；该发明授权一种物理机制引导深度学习的降雨径流模拟方法是由谢康;刘攀;韩东阳;郑雅莲设计研发完成，并于2020-03-10向国家知识产权局提交的专利申请。
本一种物理机制引导深度学习的降雨径流模拟方法在说明书摘要公布了：本发明提出一种物理机制引导深度学习的降雨径流模拟方法，结合水文学物理过程和水文气象大数据，通过设置优选函数的惩罚项，实现了物理机制引导下的深度学习模拟方案，并采用极端事件的样本作为惩罚，既考虑暴雨事件，也考虑长期无雨事件，提出了全新的计算公式，其提供的径流模拟方法和传统的深度学习方法相对比，解决了深度学习缺乏物理机制的问题，避免了模拟过程中的非单调性。本发明可广泛应用于降雨径流模拟中，能系统完整的完成径流模拟和预测，为科学决策提供依据。
本发明授权一种物理机制引导深度学习的降雨径流模拟方法在权利要求书中公布了：1.一种物理机制引导深度学习的降雨径流模拟方法，其特征在于，包括如下步骤： S1）选定用以预测模拟水文时间序列的深度学习模型； S2）根据当日和数日之前的历史气象、水文、时间数据，归一化整理后作为模型输入，根据深度学习模型模拟径流量值； S3）选取前70%长度的时间序列作为训练集，选定目标函数训练模型参数，在模型的传统的均方误差优化目标上加入水文学物理过程的惩罚项，确定目标函数计算公式，如下： 式中，为目标函数；是深度学习方法模拟径流量数据的均方误差；为的权重系数；为时间数据的长度；是深度学习模型应对极端暴雨事件的均方误差惩罚项；为的权重系数；是深度学习模型应对长期无雨事件的均方误差惩罚项；为的权重系数；是深度学习模型应对降雨单调性约束的均方误差惩罚项；为的权重系数；是深度学习模型应对蒸发单调性约束的均方误差惩罚项；为的权重系数； S4）将剩下的30%长度时间序列作为验证集，验证模型效果，得到径流模拟值。
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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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”。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号