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！

龙图腾网获悉河海大学申请的专利一种“输入-结构-参数”全要素分层组合优选的中长期径流时变概率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：CN115496290B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202211206170.6，技术领域涉及：G06Q10/04；该发明授权一种“输入-结构-参数”全要素分层组合优选的中长期径流时变概率预测方法是由徐斌;莫然;孙雨;岳浩;徐孙钰设计研发完成，并于2022-09-30向国家知识产权局提交的专利申请。

本一种“输入-结构-参数”全要素分层组合优选的中长期径流时变概率预测方法在说明书摘要公布了：本发明公开了一种“输入‑结构‑参数”全要素分层组合优选的中长期径流时变概率预测方法，包括构建径流预测因子集，对预测因子筛选并自由组合得到驱动因子集，生成中长期径流单值预测方案集；以信息熵作为评价单值预测方案集信息价值的指标，采用具有内外层循环嵌套结构的逐步回归对方案集中的方案组合进行优选，对最优子集生成同时包含单值过程与概率区间的径流集合预测方案；对径流集合预测误差进行精细表征并生成误差情景序列，得到考虑误差校正的径流时变概率预测方案。本发明提出全要素分层优选的中长期径流预测方法，为水资源规划与管理提供精准、可靠、稳定的预报方案信息。

本发明授权一种“输入-结构-参数”全要素分层组合优选的中长期径流时变概率预测方法在权利要求书中公布了：1.一种“输入-结构-参数”全要素分层组合优选的中长期径流时变概率预测方法，其特征在于，包括以下步骤： S1、作为“输入-结构-参数”全要素分层组合优选的第一层，对模型输入进行优选：收集研究区长系列中长期气象、水文因子数据资料构建径流预测初始因子集，基于copula熵与径流成因分析筛选预测因子组合得到驱动因子集，采用基于深度学习的长短期记忆神经网络LSTM模型生成中长期径流单值预测方案集； S2、作为“输入-结构-参数”全要素分层组合优选的第二层，对模型结构进行优选：以信息熵作为评价单值预测方案集信息价值的指标，采用具有内外层循环嵌套结构的逐步回归对单值预测方案集中的方案组合进行优选，对最优子集采用贝叶斯模型平均BMA的方式生成同时包含单值过程与概率区间的径流集合预测方案；包括： S22、基于BMA的径流单值-概率集合预测方案生成； 设y为预测变量，yobs为实测样本序列，f＝{f1,f2,...,fk}为候选模型空间，其中K表示优选的单值预测方案组合内的候选方案组数；根据贝叶斯理论，假定实测与预报序列均服从正态分布，进一步细化： 其中，py|yobs表示预测变量的概率分布，ωi表示第i个模型的权重，表示均值为fi，方差为的正态分布； 采用期望最大化算法率定BMA参数ωi和并采用Monte-Carlo抽样给出概率预测情景序列，获得包含单值过程与概率区间的径流集合预测方案； 采用Monte-Carlo抽样给出概率预测情景序列，具体步骤如下： a采用BOX-COX变换将非正态分布的径流序列转化成正态分布，具体为： 其中，λ为转换系数，其取值由极大似然估计给出；y'为经过转化后的服从正态分布的径流预测序列； b采用E-M算法率定BMA参数ωi和 c根据各候选方案的BMA权重[ω1,ω2,...,ωK]，定义累积权重值 生成[0,1]均匀随机数u，如果则表示此次抽样选取的是第i个候选方案fi； d根据fi在时段j的概率分布随机生成服从正态分布的径流预测序列y'； e基于累积权重值公式对生成服从正态分布的径流预测序列y'进行还原，计算公式为： f重复步骤c-eM次，得到一组具有M个情景的预测情景集，即BMA的径流概率预测方案，其均值过程即为BMA的径流单值预测方案；二者共同构成径流单值-概率集合预测方案； S3、作为“输入-结构-参数”全要素分层组合优选的第三层，对模型参数进行优选：基于广义自回归条件异方差模型GARCH对径流预测误差进行精细表征，利用误差的相依关系进行实时误差校正，结合蒙特卡洛抽样生成校正后的误差情景序列，叠加至步骤S2中的单值过程上得到考虑误差校正的径流时变概率预测方案，依据径流预测“精准度-可靠性-稳定性”多维评价指标体系对得到的概率预测方案进行评价。

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河海大学，其通讯地址为：210098 江苏省南京市鼓楼区西康路1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。