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！

龙图腾网获悉中国水利水电科学研究院;宁波市水资源信息管理中心(宁波市境外引水管理中心);淳安县千岛湖生态综合保护局(淳安县水利水电局)申请的专利一种基于机器学习的CMIP日尺度降水数据模式集合生成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：CN119377676B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202411493893.8，技术领域涉及：G06F18/214；该发明授权一种基于机器学习的CMIP日尺度降水数据模式集合生成方法是由杜军凯;吕向林;杨成刚;仇亚琴;谢敏;余添;郑炜;郝春沣;贾玲;陈鑫;谈幸燕;刘海滢;董颢设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于机器学习的CMIP日尺度降水数据模式集合生成方法在说明书摘要公布了：本发明公开一种基于机器学习的CMIP日尺度降水数据模式集合生成方法，包括以下步骤：步骤1、收集数据：收集研究区域历史日尺度降水数据；步骤2、构建训练样本：将中心栅格与筛选后周边栅格的多模式月尺度降水数据和降水年内分布特征为样本特征，对应观测降水数据为样本标签，构建训练样本；步骤3、模型训练：以步骤2构建的训练样本逐栅格训练随机森林回归模型；以历史日尺度有无雨数据作为训练样本逐栅格训练随机森林分类模型；步骤4、生成日尺度降水数据模式集合：基于有雨日的月内降水权重，将月尺度降水数据展布到日尺度降水数据。本发明所述方法考虑了不同模式之间的性能差异，能够更加准确的反映时空异质性，有效提高了模拟精度。

本发明授权一种基于机器学习的CMIP日尺度降水数据模式集合生成方法在权利要求书中公布了：1.一种基于机器学习的CMIP日尺度降水数据模式集合生成方法，其特征在于，所述方法包括以下步骤： 步骤1、收集数据：收集研究区域历史CMIP多模式日尺度降水数据以及日尺度观测降水数据，并将不同空间分辨率的降水数据插值到统一空间分辨率； 步骤2、构建训练样本：根据历史观测降水数据将CMIP多模式降水数据进行偏差校正，并对降水数据采样到月尺度；基于月尺度观测降水数据逐栅格提取降水年内分布特征；对于每个栅格，将其视为中心栅格，计算中心栅格与其周边栅格的相关性，筛选相关系数大于0.95的周边栅格；将中心栅格与筛选后周边栅格的CMIP多模式月尺度降水数据和降水年内分布特征作为训练样本特征，对应月尺度观测降水数据作为训练样本标签，构建训练样本； 步骤3、模型训练：以步骤2构建的训练样本逐栅格训练随机森林回归模型，基于训练后的模型，计算得到未来不同情景下月尺度降水量；以历史日尺度有无雨数据作为训练样本逐栅格训练随机森林分类模型，计算得到未来不同情景下逐日有无雨情况数据； 步骤4、生成日尺度降水数据模式集合：基于未来不同情景下逐日有无雨情况数据，计算每个有雨日的月内降水权重；基于未来不同情景下月尺度降水量以及有雨日的月内降水权重，生成未来不同情景下日尺度降水量，进而得到日尺度降水数据模式集合； 所述基于未来不同情景下逐日有无雨情况数据，计算每个有雨日的月内降水权重具体为：基于计算得到的未来不同情景下逐日有无雨情况数据，以多模式平均方法计算有雨日的当日降水量，并计算每个有雨日的月内降水权重； 降水权重计算公式为： 式中：Wd,m表示第d日在m月内的降水权重，反映了该日降水量在整个月份降水量中的比例；Pdx,y为有雨日d日的模式平均降水量；Pm＇x,y为当月有雨日降水量Pdx,y之和； 所述基于未来不同情景下月尺度降水量以及有雨日的月内降水权重，生成未来不同情景下日尺度降水量，进而得到日尺度降水数据模式集合具体为： 基于计算得到的未来不同情景下月尺度降水量以及计算得到的有雨日的月内降水权重，将月尺度降水数据展布到日尺度，生成未来不同情景下日尺度降水量，进而得到日尺度降水数据模式集合； 日尺度降水量计算公式为： 式中：Wd,mx,y为第d日在第m月内的降水权重；为栅格x,y上第m月的月尺度降水量；Pd,ensemblex,y为未来不同情景下栅格x,y上第d日的日尺度降水量。

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中国水利水电科学研究院;宁波市水资源信息管理中心(宁波市境外引水管理中心);淳安县千岛湖生态综合保护局(淳安县水利水电局)，其通讯地址为：100048 北京市海淀区车公庄西路20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”。

以上内容由龙图腾AI智能生成。