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！

龙图腾网获悉北京城市气象研究院;北京市气象台(北京区域中心气象台、北京市决策气象服务中心)申请的专利一种基于量化模型的大风气象灾害风险预测方法及系统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：CN118536806B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202410596051.9，技术领域涉及：G06Q10/0635；该发明授权一种基于量化模型的大风气象灾害风险预测方法及系统是由张西雅;扈海波;吴宏议;许智棋;王媛媛;尚晶;荆浩;马小会设计研发完成，并于2024-05-14向国家知识产权局提交的专利申请。

本一种基于量化模型的大风气象灾害风险预测方法及系统在说明书摘要公布了：本发明公开了一种基于量化模型的大风气象灾害风险预测方法及系统，包括获取历史数据，包括地理位置、环境数据、气象数据和灾害数据，地理位置包括纬度、经度和海拔，环境数据包括植被指数和地形类型，气象数据包括风速、气压和温度；对地理位置和灾害数据进行分类得到风险区域，根据风险区域得到第一数据，基于环境数据和灾害数据的关联度得到第二数据；融合第一数据和第二数据得到动态的风险评分，根据风险评分、气象数据和灾害数据建立风险预测模型；将待预测数据输入风险预测模型得到预测结果。本发明通过量化模型为大风气象灾害的风险预测和管理提供了一种更为科学、高效的决策支持工具。

本发明授权一种基于量化模型的大风气象灾害风险预测方法及系统在权利要求书中公布了：1.一种基于量化模型的大风气象灾害风险预测方法，其特征在于，包括以下步骤： 获取历史数据，包括地理位置、环境数据、气象数据和灾害数据，所述地理位置包括纬度、经度和海拔，所述环境数据包括植被指数和地形类型，所述气象数据包括风速、气压和温度； 对所述地理位置和所述灾害数据进行分类得到风险区域，根据所述风险区域得到第一数据， 提取所述灾害数据的平均的灾害频率，使用所述地理位置和所述灾害频率建立数据点，预设三个高斯分布，高斯概率密度函数的公式： 其中x为所述数据点，μk为第k个所述高斯分布的均值向量，D是所述数据点的维度，ε为协方差矩阵，|ε|为所述协方差矩阵的行列式，a为权重系数，所述数据点的概率密度函数的公式： 其中px为x的所述概率密度函数，计算后验概率： 其中xn表示第n个所述数据点，v为均匀混合参数，所述均值向量的似然函数： 其中N为所述数据点的数量，所述协方差矩阵的似然函数： 所述权重系数的似然函数： 根据所述灾害频率和所述高斯分布划分所述风险区域，包括高风险区域、中风险区域和低风险区域，所述第一数据为所述数据点的最大后验概率与其对应的所述风险区域的灾害频率的平均值的乘积， 基于所述环境数据和所述灾害数据的关联度得到第二数据， 将所述地形类型转换为数值编号，根据所述环境数据预测所述灾害数据，建立回归模型，所述第二数据为预测值： 其中为第t棵决策树的预测值，f为所述决策树，vi为所述决策树的第i个叶子节点，对应第i个所述环境数据，I为第t棵所述决策树上i的样本集合，wi为权重向量，所述回归模型的正则化损失函数： 其中表示第k个所述环境数据的损失函数，为交叉熵损失，n为所述环境数据的数量，T是所述决策树的总数，γ是正则化参数，λ是L2正则化项的系数，wj是决策树j的权重，所述决策树的分裂增益： 其中IL和IR分别是所述决策树分裂后左子树和右子树的样本集合，ζ是惩罚系数，为一阶导数，表示梯度，表示二阶导数； 融合所述第一数据和所述第二数据得到动态的风险评分，根据所述风险评分、所述气象数据和所述灾害数据建立风险预测模型； 将待预测数据输入所述风险预测模型得到预测结果。

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北京城市气象研究院;北京市气象台(北京区域中心气象台、北京市决策气象服务中心)，其通讯地址为：100089 北京市海淀区紫竹院路44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”。