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！

龙图腾网获悉浙大城市学院申请的专利多源数据与物理联合驱动的流域径流不确定性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：CN120596859B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511100035.7，技术领域涉及：G06F17/13；该发明授权多源数据与物理联合驱动的流域径流不确定性预报方法是由王铮;戴瑞;赵燕伟;王硕苹;张仁贡设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本多源数据与物理联合驱动的流域径流不确定性预报方法在说明书摘要公布了：本发明涉及多源数据与物理联合驱动的流域径流不确定性预报方法，包括获取目标流域的径流序列数据和外部预报因子数据；构建径流不确定性生成模型，通过带约束的扩散生成器对径流序列数据进行概率扩散，并生成近似径流数据；设计联合损失函数更新径流不确定性生成模型的权重和偏置项；训练联合引导下的损失收敛，输出径流预测结果。本发明的有益效果是：本发明结合了基于傅立叶变换的损失函数和物理理论指导项，物理约束的引入不仅能有效地量化径流物理系统中的随机性，还能够在保证预测结果物理一致性的同时，提供更多的可选预测值，有效量化了物理旱涝过程中固有的随机不确定性，从而增强了模型的物理一致性和预测精度。

本发明授权多源数据与物理联合驱动的流域径流不确定性预报方法在权利要求书中公布了：1.多源数据与物理联合驱动的流域径流不确定性预报方法，其特征在于，包括： 步骤1、获取目标流域的径流序列数据和外部预报因子数据； 步骤2、构建径流不确定性生成模型，通过带约束的扩散生成器对径流序列数据进行概率扩散，并生成近似径流数据；所述径流不确定性生成模型包括去噪扩散概率模型层和DTLayer学习层，所述DTLayer学习层包括具有解纠缠时间表示的解码器，所述解码器由Transformer块、FFN和分解块组成；对于堆叠L层DTLayer进行学习，需要将残差项R逐层传递，同时趋势项V和周期项S逐层相加；所有的DTLayer层的趋势项V和周期项S相加，再与传递到L层的残差项R相加得到输出数据； 步骤3、设计联合损失函数更新径流不确定性生成模型的权重和偏置项；步骤3中，所述联合损失函数包括数据驱动损失项和物理指导损失项；步骤3中，采用重加权策略进行数据驱动损失函数设计；所述物理指导损失项包括PDE损失、边界损失以及初始条件损失；将领域知识作为硬约束嵌入到径流不确定性生成模型中，进行方程离散化、矩阵分解和HCP操作； 步骤4、训练联合引导下的损失收敛，输出径流预测结果。

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浙大城市学院，其通讯地址为：310015 浙江省杭州市拱墅区湖州街51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。