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！

龙图腾网获悉广东工业大学申请的专利时序增强深度学习洪水预报方法、装置、设备和介质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：CN119761559B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202411806975.3，技术领域涉及：G06Q10/04；该发明授权时序增强深度学习洪水预报方法、装置、设备和介质是由解玉磊;孙咏曦;董玉茹;王冰一;吴镇桐;吴坤;胡锦辉;严伟健设计研发完成，并于2024-12-10向国家知识产权局提交的专利申请。

本时序增强深度学习洪水预报方法、装置、设备和介质在说明书摘要公布了：本发明公开了一种时序增强深度学习洪水预报方法、装置、设备和介质；方法为：收集水文气象数据；采用主成分分析法对数据集中的原始数据进行降维处理；划分不同的洪水预见期；构建时序增强的深度学习模型，通过构建好的时序增强的深度学习模型对不同预见期的洪水流量进行多次模拟，得到不同预见期的多个模拟预测值，并用决定系数R2评价得到的模拟预测值；通过多次模拟预测值训练误差校正模型，对时序增强深度学习模型的模拟误差进行预测，得到误差校正值；将时序增强的深度学习模型和误差校正模型进行结合，得到改进的时序增强深度学习的洪水预报模型，所述洪水预报模型输出预测结果，所述预测结果为所述的误差矫正值和所述的模型预测值之和。

本发明授权时序增强深度学习洪水预报方法、装置、设备和介质在权利要求书中公布了：1.一种时序增强深度学习洪水预报方法，其特征在于，包括以下步骤： 步骤S1：收集流域干流水文站点的水文气象数据,并对收集到的水文气象数据进行预处理，得到数据集； 步骤S2：采用主成分分析法对数据集中的原始数据进行降维处理，得到输入数据，并将输入数据划分为训练集和验证集； 步骤S3：延长洪水精准预报时间，划分不同的洪水预见期； 步骤S4：在第一时域卷积神经网络模型中耦合Transformer模块，以此构建时序增强的深度学习模型，所述时序增强的深度学习模型包括第一残差块、Transformer模块、第二残差块、Flatten压平层、第一Dense全链接层和第二Dense全链接层；输入数据依次通过第一残差块、Transformer模块、第二残差块、Flatten压平层、第一Dense全链接层和第二Dense全链接层后得到模型预测值； 步骤S5：设置时序增强的深度学习模型的超参数，通过训练集对构建好的时序增强的深度学习模型进行训练，然后通过验证集对时序增强的深度学习模型进行验证，得到训练好的时序增强的深度学习模型； 步骤S6：通过训练好的时序增强的深度学习模型对不同预见期的洪水流量进行多次模拟，得到不同预见期的多次模拟预测值，并采用决定系数R2评价得到的模拟预测值； 步骤S7：计算多次模拟结果中的每个时间点的模型预测值和实际值之间的差值，得到每个时间点的误差值；将R2最高的模拟预测值中的误差值作为输出标签，其余误差值作为输入数据，再次划分训练集和验证集；设置第二时域卷积神经网络模型的超参数，对该第二时域卷积神经网络模型进行训练，得到误差校正模型，通过训练好的误差校正模型对时序增强深度学习模型的模拟误差进行预测，得到误差校正值； 步骤S8：将时序增强的深度学习模型和误差校正模型进行结合，得到改进的时序增强深度学习的洪水预报模型，所述洪水预报模型输出预测结果，所述预测结果为所述的误差矫正值和所述的模型预测值之和。

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广东工业大学，其通讯地址为：510060 广东省广州市越秀区东风东路729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。