Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华中科技大学刘万获国家专利权

华中科技大学刘万获国家专利权

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!

龙图腾网获悉华中科技大学申请的专利考虑多源数据时空特征的深度学习径流预报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:CN120235323B

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:202510725990.3,技术领域涉及:G06Q10/04;该发明授权考虑多源数据时空特征的深度学习径流预报方法及系统是由刘万;莫莉;效文静;黄昊东;刘梓轩;张咪;孙旭彤;朱书理;余传洋设计研发完成,并于2025-06-03向国家知识产权局提交的专利申请。

考虑多源数据时空特征的深度学习径流预报方法及系统在说明书摘要公布了:本发明属于径流预报技术领域,并具体公开了一种考虑多源数据时空特征的深度学习径流预报方法及系统,其包括:基于训练集对基于深度神经网络的径流预报模型进行训练,得到训练好的径流预报模型;训练集包括流域气象数据、下垫面数据和站点数据,站点数据包括径流数据和降雨数据;径流预报模型分别基于气象数据、下垫面数据提取得到气象要素时空特征、下垫面空间特征;基于径流数据和降雨数据的时间相关特性,提取得到站点数据的时间特征;将气象要素时空特征和下垫面空间特征进行匹配,得到产汇流特征;进而根据产汇流特征和站点数据的时间特征,得到预测径流数据。本发明可实现准确有效的流域径流预报,降低未来径流的不确定性。

本发明授权考虑多源数据时空特征的深度学习径流预报方法及系统在权利要求书中公布了:1.一种考虑多源数据时空特征的深度学习径流预报方法,其特征在于,包括如下步骤: 基于训练集对基于深度神经网络构建的径流预报模型进行训练,得到训练好的径流预报模型,以实现径流预报; 所述训练集包括流域气象数据、下垫面数据和站点数据,所述站点数据包括径流数据和降雨数据,所述气象数据包括格点降雨、相对湿度和温度,所述下垫面数据包括DEM、土壤类型和土地利用类型; 所述径流预报模型以T时刻前数个时段的气象数据、下垫面数据和站点数据为输入,预测T时刻后一时段的径流数据为输出; 所述径流预报模型包括气象要素时空特征提取模块、下垫面空间特征提取模块、站点数据时间特征提取模块、产汇流特征提取模块和预测径流生成模块;其中,所述气象要素时空特征提取模块用于基于气象数据提取气象要素时空特征,所述下垫面空间特征提取模块用于根据下垫面数据提取下垫面空间特征;所述站点数据时间特征提取模块用于基于径流数据和降雨数据的时间相关特性,提取站点数据的时间特征;所述产汇流特征提取模块用于将下垫面空间特征在时间上进行复制使其与气象要素时空特征相匹配,然后提取得到产汇流特征;所述预测径流生成模块用于根据产汇流特征和站点数据的时间特征,得到预测径流数据; 所述气象要素时空特征提取模块采用ConvLSTM网络提取气象要素时空特征;所述下垫面空间特征提取模块采用卷积神经网络提取下垫面空间特征;所述站点数据时间特征采用LSTM网络提取站点数据的时间特征;所述产汇流特征提取模块采用ConvLSTM网络获取产汇流特征;所述预测径流生成模块采用LSTM网络实现径流数据预测。

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华中科技大学,其通讯地址为:430074 湖北省武汉市洪山区珞喻路1037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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。