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！

龙图腾网获悉水利部交通运输部国家能源局南京水利科学研究院申请的专利基于集合卡尔曼滤波与深度残差网络的水文模型时变参数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：CN120337165B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510838089.7，技术领域涉及：G06F18/25；该发明授权基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法是由刘鹏;程淑婕;谢康;金君良;王云;王国庆设计研发完成，并于2025-06-23向国家知识产权局提交的专利申请。

本基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法在说明书摘要公布了：本发明公开了一种基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法，包括：获取流域多源数据；利用集合卡尔曼滤波方法获取水文模型时变参数历史时序数据；构建基于卷积神经网络的深度残差网络预测模型；对该模型进行训练，获取的未来气候模式中的水文、气象数据输入训练好的模型中，输出未来情景下的水文模型时变参数。本发明利用数据同化方法解决了水文模型时变参数历史数据的获取，通过深度残差网络与未来气候模式数据对水文模型参数未来变化进行预测，为水文模型参数的动态预测提供了一种全新的数据驱动方法，为未来水资源管理和应对气候变化挑战提供更强有力的技术支持。

本发明授权基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法在权利要求书中公布了：1.基于集合卡尔曼滤波与深度残差网络的水文模型时变参数预测方法，其特征在于，包括如下步骤： 步骤S1：获取流域多源数据，并整合多维度、多来源的数据，作为后续模型构建和参数校准的输入信息；多源数据，包括通过气象数据产品获取的历史气象数据、土壤数据、土地利用数据、地形数据、径流观测与径流特征数据； 步骤S2：利用集合卡尔曼滤波方法，获取水文模型时变参数的历史时序数据； 步骤S3：构建基于卷积神经网络和深度残差网络相结合的预测模型，通过该预测模型提取输入数据中的局部特征，通过多层次处理捕捉到全局特征，进而获取多源数据与水文模型时变参数的历史时序数据的复杂非线性关系； 步骤S4：将步骤S1中获取的数据，以及步骤S2中构建的水文模型时变参数的历史时序数据，按时间顺序组合成历史时序数据集，按7:3的比例将该数据集划分为训练集与测试集；利用训练集对步骤S3中构建的预测模型进行训练，利用验证集对训练后的预测模型进行验证，以均方误差MSE为损失函数进行目标优化，以决定系数R2为评估指标对训练后的预测模型进行评估； 步骤S5：将通过未来气候模式中获取的多源水文、气象数据输入到训练好的预测模型中，输出未来情景下的水文模型时变参数。

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水利部交通运输部国家能源局南京水利科学研究院，其通讯地址为：210000 江苏省南京市鼓楼区广州路223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”。