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！

龙图腾网获悉江西省防汛信息中心申请的专利深度度量学习的水利遥感数据低维特征高效提取预测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：CN121327478B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511902479.2，技术领域涉及：G06F18/213；该发明授权深度度量学习的水利遥感数据低维特征高效提取预测方法是由史赟;陈敬玮;曾斌;罗莹;盛亚雄;李茂全;彭余蕙;韦俊峰设计研发完成，并于2025-12-17向国家知识产权局提交的专利申请。

本深度度量学习的水利遥感数据低维特征高效提取预测方法在说明书摘要公布了：本发明公开了深度度量学习的水利遥感数据低维特征高效提取预测方法，聚焦多源数据驱动与集成模型优化，采集洪水相关多源数据，经清洗、标准化处理构建数据集；再搭建含时序与空间特征提取分支的深度度量学习模型，结合目标函数与log‑ex近似，输出高区分度特征向量；接着拼接特征并融入手工时序特征，形成融合特征矩阵；之后构建集成基模型集合，借类内类间距离动态调参，经时间序列交叉验证训练；再利用基模型预测结果构建二级训练集，训练二级模型学习权重，组建最终集成回归预测模型；输入实时数据获预报结果，依评估指标迭代优化。经小流域与大流域测试，方法适配不同尺度流域，有效提升洪水预报精度与稳定性，为防洪决策提供可靠技术支撑。

本发明授权深度度量学习的水利遥感数据低维特征高效提取预测方法在权利要求书中公布了：1.深度度量学习的水利遥感数据低维特征高效提取预测方法，其特征在于，包括： S1、采集洪水预报所需的多源数据，对所述多源数据分别进行数据清洗以补全缺失值、剔除异常值，再通过标准化处理得到标准化数据集，所述多源数据包括反映洪水形成与演进的时序监测数据及表征流域地理环境的空间特征数据； S2、构建含时序特征提取分支与空间特征提取分支的深度度量学习模型，定义融合调和损失项与最近代理对齐损失项的目标函数，采用log-ex近似方法处理目标函数中不可微的最小-最大项，利用标准化数据集训练模型，使模型输出具有高检索区分度的时序特征向量与空间特征向量； S3、将时序特征向量与空间特征向量拼接，结合水文领域知识设计手工时序特征并加入拼接结果，形成每行对应一个预报时刻、每列对应一个特征的融合特征矩阵； S4、确定至少两种回归模型组成的集成基模型集合，计算融合特征矩阵的类内距离与类间距离，基于二者比值动态调节模型参数，采用时间序列交叉验证方式训练并优化各基模型； S5、利用训练完成的基模型对训练集的预测结果构建二级训练集，训练二级模型以学习各基模型的权重系数，结合基模型与二级模型构建最终集成回归预测模型； S6、将实时采集并预处理后的多源数据输入集成回归预测模型，得到洪水预报结果，采用预设评估指标评估模型性能，若性能未达标则回调节点参数，直至满足洪水预报要求。

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西省防汛信息中心，其通讯地址为：330025 江西省南昌市西湖区中山西路68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。