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！

龙图腾网获悉水利部交通运输部国家能源局南京水利科学研究院申请的专利一种基于贝叶斯神经网络的多源土壤水数据融合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：CN121278662B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511851840.3，技术领域涉及：G06F18/25；该发明授权一种基于贝叶斯神经网络的多源土壤水数据融合方法是由邓晰元;李薛刚;王越;王国庆;刘翠善;阮俞理;王妍;许怡;黄对;王婕;姜蓓蕾;王欢;马涛;崔巍;杨娜;宋亚倩;陈文静设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本一种基于贝叶斯神经网络的多源土壤水数据融合方法在说明书摘要公布了：本发明公开了一种基于贝叶斯神经网络的多源土壤水数据融合方法。获取原始数据，对原始数据进行清理，得到清理数据集；基于反距离加权插值法，计算清理数据集中的数据在实测站点处的值，以实测站点土壤水数据为基准，对多源土壤水数据进行误差校正，得到站点数据集；将站点数据集中的数据点分割搭建训练数据集和测试数据集；以清理数据集中的时间特征数据和地理时空数据作为输入，通过嵌入先验的线性层生成多源土壤水产品数据的权重系数，基于贝叶斯神经网络对权重生成过程、网络参数以及预测标准差搭建正态分布预测模型，对正态分布预测模型的参数进行训练，判断正态分布预测模型的预测精度。本发明确保在复杂的环境下仍然具备可靠性。

本发明授权一种基于贝叶斯神经网络的多源土壤水数据融合方法在权利要求书中公布了：1.一种基于贝叶斯神经网络的多源土壤水数据融合方法，其特征在于，包括以下步骤： 获取原始数据，其中原始数据至少包括实测站点土壤水数据、多源土壤水产品数据、时间特征数据和地理时空数据，搭建原始数据集，并对原始数据数据集进行清理，得到清理数据集； 基于反距离加权插值法，计算清理数据集中的多源土壤水产品数据、时间特征数据和地理时空数据在实测站点处的值，再利用偏差校正法，以实测站点土壤水数据为基准，对多源土壤水产品数据进行误差校正，得到站点数据集； 按照预定比例将站点数据集中的数据点分割出训练数据点和测试数据点后，分别搭建训练数据集和测试数据集； 以清理数据集中的时间特征数据和地理时空数据作为输入，通过嵌入先验的线性层生成多源土壤水产品数据的权重系数，通过权重系数与多源土壤水产品数据对应相乘得到初步加权融合后的融合土壤水数据； 基于贝叶斯神经网络对权重生成过程、网络参数以及预测标准差搭建正态分布预测模型，以融合土壤水数据、时间特征数据和地理时空数据作为输入，实测站点土壤水数据作为标签，对正态分布预测模型的参数进行训练，并结合评估指标，对正态分布预测模型的性能进行评估，其中，正态分布预测模型的建模条件概率分布过程如下： 获取原始数据和站点实测数据，通过以下公式得到建模条件概率分布： ； 式中：表示给定训练数据状态下，输入原始数据得到站点实测数据的 分布；表示网络参数；表示输入原始数据和网络参数的情况 下，得到站点实测数据的分布；在完成站点实测数据的分布后，依据贝叶斯准则，计算 后验概率，其计算公式如下： ； 式中：表示网络参数的分布；表示给定网络参数的条件下训练数据的分布；表示训练数据的分布； 在完成后验概率的计算后，采用蒙特卡洛法对网络参数进行多次采样，通过公 式1计算预测结果值，对预测结果值经过多次计算取平均，得到预测结果的期望值，再通 过公式2计算预测结果的方差，其中，公式如下： 1； 2； 式中：表示给定训练数据和输入数据的条件下的期望值；表 示给定训练数据的条件下的分布；表示给定输入数据和网络参数的 条件下的分布；表示给定训练数据和输入数据的条件下的方差；表示给定训练数据的条件下的方差的期望值；表示给定训练数据的条件下的期望值的方差。

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水利部交通运输部国家能源局南京水利科学研究院，其通讯地址为：210029 江苏省南京市鼓楼区广州路223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。