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！

龙图腾网获悉中国水利水电科学研究院申请的专利一种降雨场空间特征智能识别模型的构建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：CN120705515B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510926931.2，技术领域涉及：G06F18/20；该发明授权一种降雨场空间特征智能识别模型的构建方法是由窦延虹;王雪梅;蔡宏伟;孙朝兴;刘超;张晓蕾设计研发完成，并于2025-07-07向国家知识产权局提交的专利申请。

本一种降雨场空间特征智能识别模型的构建方法在说明书摘要公布了：本发明公开了一种降雨场空间特征智能识别模型的构建方法，包括以下步骤：步骤1、收集研究区域降雨数据；步骤2、构建类真实降雨场；步骤3、确定并量化影响因子；步骤4、构建降雨场空间特征智能识别模型；步骤5、模型训练与验证。本发明所述方法充分考虑了多种对降雨空间分布具有显著影响的因素，有助于提升模型的适应性和迁移能力，增强其泛化性能；还有助于揭示模型在不同条件下识别降雨空间特征的变化规律和响应机制。通过本发明所述方法，能够有效融合多源降水数据的空间信息，结合空间尺度、降雨量级和地形变化影响因子，构建具备强鲁棒性和可解释性的降雨场空间特征识别模型，为精细化气象监测、灾害预警等应用提供可靠的技术支撑。

本发明授权一种降雨场空间特征智能识别模型的构建方法在权利要求书中公布了：1.一种降雨场空间特征智能识别模型的构建方法，其特征在于，所述方法包括以下步骤： 步骤1、收集研究区域降雨数据：收集研究区域降雨数据，包括多源卫星遥感定量估计降雨产品数据以及研究区域内雨量站降雨数据；所述研究区域内雨量站降雨数据包括研究区域内每个雨量站的位置坐标及其实测降雨量； 步骤2、构建类真实降雨场：首先划分研究区域，即在研究区域范围内，以雨量站密度为依据、以小流域为单元将研究区域进行划分，划分为训练区、验证区、迁移区；其次按照各个划分区域的边界，将各个区域划分为规则的矩形网格，定义网格分辨率，并将多源降雨产品处理为同一分辨率的网格数据；然后根据训练区内雨量站的实测降雨量构建类真实降雨场即实测场，再利用构建的类真实降雨场确定各降雨产品的降雨中心位置与降雨场空间梯度，最后生成降雨中心位置矩阵A和降雨空间梯度矩阵B； 步骤3、确定并量化影响因子：考虑对多源降雨产品空间监测性能影响显著的因素，将空间尺度、降雨量级、地形变化作为影响因子，分别量化每个单位时段内空间尺度、降雨量级和地形变化影响因子,形成空间尺度影响因子输入矩阵C、降雨量级影响因子输入矩阵D以及地形变化影响因子输入矩阵F； 步骤4、构建降雨场空间特征智能识别模型：降雨场空间特征智能识别模型是基于生成对抗网络GAN的模型框架，生成对抗网络GAN由生成器和判别器两部分组成，将ViT算法整合到生成对抗网络GAN的生成器和判别器中，模型输入为降雨中心位置矩阵、降雨空间梯度矩阵以及影响因子矩阵；模型输出为识别的降雨中心位置和降雨空间梯度即识别场；利用生成对抗网络GAN的损失函数交替训练生成器和判别器使其达到最优，生成器的优化目标是使生成数据的分布逼近真实数据分别，判别器的优化目标则是最大化其生成数据与真实数据的判别能力； 步骤5、模型训练与验证：设置影响因子输入方式，包括两种方式： 方式一，将空间尺度、降雨量级、地形变化影响因子作为样本状态和降雨中心位置及降雨空间梯度共同输入降雨场空间特征智能识别模型，即将降雨中心位置矩阵A、降雨空间梯度矩阵B、空间尺度矩阵C、降雨量级矩阵D和地形变化矩阵F多个通道数据堆叠成一个张量输入模型； 方式二，分别以空间尺度、降雨量级、地形变化影响因子作为分类条件，分类训练多个模型；具体为：1以空间尺度为条件输入模型，将空间尺度矩阵C与降雨中心位置矩阵A、降雨空间梯度矩阵B多通道数据堆叠成一个张量输入模型单独训练；2以降雨量级为条件输入模型，将降雨量级矩阵D与降雨中心位置矩阵A、降雨空间梯度矩阵B多通道数据堆叠成一个张量输入模型单独训练；3以地形变化为条件输入模型，将地形变化矩阵F与降雨中心位置矩阵A、降雨空间梯度矩阵B多通道数据堆叠成一个张量输入模型单独训练； 分别按照上述两种输入方式输入降雨场空间特征智能识别模型，模型输出均为识别的降雨中心位置和降雨空间梯度，对模型进行训练以及验证分析。

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水利水电科学研究院，其通讯地址为：100048 北京市海淀区车公庄西路20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。