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！

龙图腾网获悉中国科学院地理科学与资源研究所;中国水利水电科学研究院申请的专利一种适于不同成因机制的山洪预测预报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：CN120542230B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202510586767.5，技术领域涉及：G06F30/27；该发明授权一种适于不同成因机制的山洪预测预报方法是由翟晓燕;张永勇;刘荣华;刘昌军;李青设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种适于不同成因机制的山洪预测预报方法在说明书摘要公布了：本发明公开一种适于不同成因机制的山洪预测预报方法，包括以下步骤：步骤1、收集整理研究区基础数据；步骤2、确定山洪类型分区及其汇水拓扑关系；步骤3、构建多类型山洪预测预报集成模型；步骤4、确定集成模型优选参数集和评估指标；步骤5、预报各山洪类型分区及出口的山洪过程。本发明所述方法考虑了山洪成因机制的差异，提出了具有物理机制的多类型山洪预测预报集成模型及其参数优选策略和评估指标，将传统单一类型山洪预测预报扩展到多类型山洪预测预报，能够提供任意区域的山洪形成、发展和致灾过程的主控因素及其预测预报过程，精确预测不同类型山洪的形成和发展的物理过程，适用性强，能够更好地支撑山洪灾害防御决策制定。

本发明授权一种适于不同成因机制的山洪预测预报方法在权利要求书中公布了：1.一种适于不同成因机制的山洪预测预报方法，其特征在于，所述方法包括以下步骤： 步骤1、收集整理研究区基础数据：收集整理研究区各类基础数据，包括多源降水、水位过程、流量过程、泥沙负荷过程、融雪量过程、气象、沿河村庄分布、沟道测量、基础地理信息和历史山洪灾害灾情调查数据；所述多源降水数据包括站点观测降水量、雷达定量估测降水量、卫星反演降水量数据；所述历史山洪灾害灾情调查数据包括因灾情导致的死亡失踪人数、倒塌房屋数、直接经济损失、洪痕点数据、淹没面积；所述洪痕点数据包括洪痕点位置、洪痕点发生时间、洪痕点高程；分别从各场次的水位过程、流量过程和泥沙负荷过程中提取最大值，确定各场次的洪峰水位、洪峰流量和泥沙负荷峰值，对各场次的融雪量过程求和，确定各场次的融雪量总量；然后根据研究区基础地理信息数据和沿河村庄分布数据，根据设定面积阈值划分小流域基本计算单元，提取水系分布及其汇水拓扑关系；基于划分的小流域基本计算单元，根据设定集水面积阈值和沿河村庄分布数据，划分流域单元，并建立各流域单元的汇水拓扑关系； 步骤2、确定山洪类型分区及其汇水拓扑关系：首先根据研究区各场次的洪峰水位、洪峰流量、泥沙负荷峰值、融雪量总量以及历史山洪灾害灾情调查数据，分析各流域山洪形成、发展和致灾过程的主控因素；然后根据各流域单元的主控因素及其取值，采用聚类算法确定研究区山洪类型分区；所述山洪类型分区包括暴雨型山洪分区、融雪型山洪分区、水沙型山洪分区、雨-雪复合型山洪分区、雪-沙复合型山洪分区；再根据各流域单元的汇水拓扑关系以及确定的山洪类型分区，建立各山洪类型分区的汇水拓扑关系； 步骤3、构建多类型山洪预测预报集成模型：设置模型时间步长为小时或分钟，模型空间尺度为小流域基本计算单元，建立临近短时数值降水预报模型、非线性产汇流模型、融雪产汇流模型、非均匀流山洪水沙一二维水动力学模型，并确定各模型的输入输出数据；所述临近短时数值降水预报模型的输入数据为雷达定量估测降水量和卫星反演降水量数据，输出数据为短临预报降水量数据；所述非线性产汇流模型的输入数据为站点观测降水量和气象数据，输出数据为沟道流量过程数据；所述融雪产汇流模型的输入数据为站点观测降水量和气象数据，输出数据为沟道流量和融雪量过程数据；所述非均匀流山洪水沙一二维水动力学模型的输入数据为站点观测降水量和沟道测量数据，输出数据为沟道流量、水位、泥沙负荷和淹没水深过程数据； 对建立的各模型进行输入输出接口和模型结构标准化处理，构建全类型山洪模型库；根据确定的山洪类型分区，从全类型山洪模型库中选取相应的计算模型，根据小流域降水-产汇流-洪水演进的顺序进行计算模型组合，建立各山洪类型分区的山洪预测预报模型；然后基于各分区山洪预测预报模型的输出数据，分别从沟道水位过程、流量过程、泥沙负荷过程和淹没水深过程中提取最大值，确定各分区的预测洪峰水位、洪峰流量、泥沙负荷峰值和最大淹没水深，对沟道融雪量过程求和，确定各分区的预测融雪量总量；根据建立的各山洪类型分区的汇水拓扑关系，确定各分区山洪预测预报模型的上游类型分区模型和下游类型分区模型，构建研究区多类型山洪预测预报集成模型； 步骤4、确定集成模型优选参数集和评估指标：根据建立的各山洪类型分区的汇水拓扑关系，按照先上游后下游的顺序，逐一率定各山洪类型分区的山洪预测预报模型，确定多类型山洪预测预报集成模型优选参数集； 采用加权综合指标评估多类型山洪预测预报集成模型和各分区山洪预测预报模型精度，最优值为1，计算公式为： 1 式中，g为多类型山洪预报预测集成模型的加权综合指标；m为研究区的山洪类型分区数量；i为研究区内第i个有站点观测数据、洪痕点数据的山洪类型分区，1≤i≤m；gi和αi分别为第i个分区的加权综合指标及其权重，；RMSEi为第i个分区的降水量均方根误差，；Po,j,i和Ps,j,i分别为第i个分区第j个时刻的站点观测降水量和模型输出的短临预报降水量；Mi为第i个分区的站点观测降水量数据的序列长度；|Rei|为第i个分区的洪峰流量相对误差或洪峰水位相对误差或泥沙负荷峰值相对误差或融雪量相对误差或淹没水深相对误差绝对值，；Qo,p,i为第i个分区的由站点观测数据确定的洪峰流量或洪峰水位或泥沙负荷峰值或融雪量总量或洪痕点高程；Qs,p,i为第i个分区的模型预测洪峰流量或洪峰水位或泥沙负荷峰值或融雪量总量或最大淹没水深；NSEi为第i个分区的流量过程线纳什效率系数或水位过程线纳什效率系数或泥沙负荷过程线纳什效率系数或融雪量过程线纳什效率系数，；Qo,j,i为第i个分区的第j个时刻的站点观测流量或水位或泥沙负荷或融雪量；Qs,j,i为第i个分区的第j个时刻的模型预测流量或水位或泥沙负荷或融雪量；为第i个分区的站点观测流量均值或水位均值或泥沙负荷均值或融雪量均值；Ni为第i个分区的站点观测流量或水位或泥沙负荷或融雪量的序列长度；为第i个分区的降水评估指标权重；βi为第i个分区的流量或水位或泥沙负荷或融雪量或淹没水深评估指标权重； 步骤5、预报各山洪类型分区及出口的山洪过程：根据步骤1收集的多源降水数据、气象数据、沟道测量数据，驱动多类型山洪预测预报集成模型，预报研究区内各山洪类型分区及研究区出口的短临预报降水量、沟道流量、水位、泥沙负荷、融雪量、淹没水深过程。

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科学院地理科学与资源研究所;中国水利水电科学研究院，其通讯地址为：100101 北京市朝阳区大屯路甲11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。