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！

龙图腾网获悉郑州大学;河南工业大学申请的专利一种基于贝叶斯卷积神经网络的城市洪水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：CN119648078B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411631896.3，技术领域涉及：G06Q10/067；该发明授权一种基于贝叶斯卷积神经网络的城市洪水预测方法是由李宗坤;梅佳慧;张亚东;吴梅梅;栗静静;葛巍;孙宝星;王涵;张凤祥设计研发完成，并于2024-11-15向国家知识产权局提交的专利申请。

本一种基于贝叶斯卷积神经网络的城市洪水预测方法在说明书摘要公布了：本发明公开了一种基于贝叶斯卷积神经网络的城市洪水预测方法，包括：收集研究区域历史降雨事件，用水动力模拟软件模拟不同降雨事件得到最大淹没水深；选取影响内涝水深的特征变量，包括10个降雨特征变量和10个空间特征变量；考虑不确定性构建贝叶斯卷积神经网络预测模型；基于损失函数MAE对模型进行训练；将验证集中数据输入至训练好的模型中，对输出的近似后验分布求取均值，作为水深的预测值。计算、分析特征变量与目标变量的关系，将不同数据进行有效融合，并且考虑了可能存在的不确定性来源的基础上提出的本方法，不仅实现了对研究区域淹没水深的大小及范围的预测，并量化了预测的不确定性，为实时洪水灾害管理提供支持。

本发明授权一种基于贝叶斯卷积神经网络的城市洪水预测方法在权利要求书中公布了：1.一种基于贝叶斯卷积神经网络的城市洪水预测方法，其特征在于，包括如下步骤： 步骤1，收集研究区域历史降雨事件，通过水动力模拟软件模拟不同降雨事件得到最大淹没水深； 步骤2，选取影响内涝水深的特征变量，包括10个降雨特征变量和10个空间特征变量，并进行数据预处理； 所述10个降雨特征变量包括：降雨时间、最大降雨量、总降雨量、从降雨开始至达到降雨峰值时的累积降雨量与从降雨峰值开始至降雨结束时的累计降雨量的比值、单位时间内的最大降雨变化量与总降雨量之比、从降雨开始至0.33T期间的累积降雨量与总降雨量之比、从降雨开始至0.3T期间的累积降雨量与总降雨量的比值、从降雨开始至0.5T期间的累积降雨量与总降雨量的比值、降雨过程线的重心位置和最大降雨变化量所在位置； 所述10个空间特征变量包括：地表高程、坡度、坡向、平面曲率、地形湿度指数、不透水率、据排水管网距离、流量累积值、径流累积值和单位坡度流量累积值； 步骤3，考虑不确定性构建贝叶斯卷积神经网络预测模型； 将步骤1中的历史降雨事件划分成训练集和验证集，以训练集中步骤2所述20个特征变量作为模型的输入，以训练集中步骤1得到的对应降雨事件的最大淹没水深值作为模型的输出，且输出项添加随机的高斯噪声体现偶然不确定性，对每个卷积层的滤波器权重设置学生氏先验分布体现认知不确定性，利用蒙特卡洛采样的方式随机抽取20个参数值作为滤波器权重的初始值； 贝叶斯卷积神经网络中引入卷积注意力机制模块，卷积注意力机制模块中包括通道注意力模块和空间注意力模块，其中通道注意力模块将特征图在空间维度上进行压缩得到一维矢量，利用空间注意力模块识别存在高风险洪水风险的区域，那些地势低于周边的低洼地带，这些部位的水深大小值会被重点关注，提取出来反复进行训练； 步骤4，基于损失函数MAE对步骤3中模型进行训练，通过贝叶斯卷积神经网络预测的最大淹没水深值与二维水动力模型生成的最大淹没水深值之间的MAE值反向传播训练模型，当损失函数不再下降时，训练自动终止； 步骤5，将验证集中数据输入至步骤4训练好的模型中，对输出的近似后验分布求取均值，作为内涝水深的预测值。

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郑州大学;河南工业大学，其通讯地址为：450000 河南省郑州市高新技术开发区科学大道100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。