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！

龙图腾网获悉江苏省气象服务中心申请的专利一种基于CNN-LSTM混合神经网络的农作物暴雨灾害定量风险评估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：CN120765033B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202511277036.9，技术领域涉及：G06Q10/0635；该发明授权一种基于CNN-LSTM混合神经网络的农作物暴雨灾害定量风险评估方法是由顾荣直;曾明剑;禹梁玉;张顾;姜荣升;田小毅;姚阮;肖鹏飞;白静漪设计研发完成，并于2025-09-09向国家知识产权局提交的专利申请。

本一种基于CNN-LSTM混合神经网络的农作物暴雨灾害定量风险评估方法在说明书摘要公布了：本发明公开了一种基于CNN‑LSTM混合神经网络的农作物暴雨灾害定量风险评估方法，其是通过获取多源数据并进行标准化处理后，进行时空叠合构建三维特征矩阵，并基于CNN‑LSTM混合神经网络模型分别提取灾情数据的空间特征向量和时序特征向量并完成融合得到融合后的特征向量，输出风险概率和损失强度；继续基于综合考虑风险概率和损失强度共同造成的作物损失，完成构建暴雨灾害‑作物耦合的损失函数，最后基于智能网格降水和风速预报数据生成作物暴雨灾害风险概率、主要农作物损失强度和暴雨灾害‑作物耦合总损失。本发明综合暴雨灾害‑作物耦合动态响应对作物定量损失的预估，实现从静态灾害评估向动态多源融合响应评估的有效转变。

本发明授权一种基于CNN-LSTM混合神经网络的农作物暴雨灾害定量风险评估方法在权利要求书中公布了：1.一种基于CNN-LSTM混合神经网络的农作物暴雨灾害定量风险评估方法，其特征在于包括以下步骤： S1，数据准备与预处理，获取多源数据，并对多源数据进行标准化处理得到多源网格数据，所述多源数据包括气象数据、土壤含水量数据、作物生长监测数据、地理环境数据和历史灾情数据；所述气象数据包括实况和预报降水量、实况和预报风速； S2，对所述多源网格数据进行时空叠合，构建形成三维特征矩阵X，X=[T,Lat,Lon,C]，其中，T为时间步数、Lat为纬度、Lon为经度、C为通道数；通道包括实况小时降水量、实况日降水量、实况过程累计降水量、预报小时降水量、预报日降水量、预报过程累计降水量、实况小时极大风速、预报小时极大风速、地表以下10cm土壤含水量、地表以下20cm土壤含水量、地表以下40cm土壤含水量、NDVI指数、作物生育期编码、坡度、TDI指数、农作物受灾面积比、农作物成灾面积比、农作物绝收面积比、农作物减产率和农业经济损失； S3，构建CNN-LSTM混合神经网络模型，基于CNN神经网络模型提取气象数据、地理环境数据、作物生长数据和灾情数据的空间特征向量；基于包含注意力机制的LSTM模型提取降水和风速数据序列、土壤含水量、作物生长数据和灾情数据的时序特征向量；将CNN神经网络模型和LSTM模型分别提取的空间特征和时序特征的多源特征融合完成模型构建得到融合特征向量，输出风险概率和损失强度数据； S4，综合考虑风险概率和损失强度共同造成的作物损失，构建暴雨灾害-作物耦合的损失函数； S5，根据S3的模型和S4损失函数，基于智能网格降水和风速预报数据生成未来暴雨过程中作物暴雨灾害风险概率、主要农作物损失强度和暴雨灾害-作物耦合总损失； 步骤S3构建CNN-LSTM混合神经网络模型具体包括以下步骤： 风险概率由二分类方法得到，取值范围为0～1；损失强度由下式得到， ， 式中，为基础减产率，取值范围0～1；为作物当前生长阶段的生育期敏感系数，是最终多源融合的特征向量； 步骤S4包括以下步骤： 首先，基于风险概率采用二元交叉熵BCE法计算风险概率的损失Lprob， ， 式中，Lprob表示风险概率的损失，为模型对样本预测其发生灾害的概率，为风险概率； 然后，由作物生育期敏感系数的均方根误差MSE计算损失强度的损失，通过下式计算， ， 式中，和分别为样本真实损失强度和预测样本损失强度，N表示样本数量； 最后，建立暴雨灾害-作物耦合的总损失， ， 式中，是用于平衡两个因子项的超参数，取值为0.7。

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江苏省气象服务中心，其通讯地址为：210000 江苏省南京市建邺区雨顺路8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。