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！

龙图腾网获悉中国地质科学院岩溶地质研究所申请的专利基于大数据的水文地质动态监测与分析系统及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：CN120217027B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202510352560.1，技术领域涉及：G06F18/23213；该发明授权基于大数据的水文地质动态监测与分析系统及方法是由巴俊杰;张庆玉;季少聪;聂国权;张萌设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本基于大数据的水文地质动态监测与分析系统及方法在说明书摘要公布了：本发明涉及水文地质监测技术领域，具体为基于大数据的水文地质动态监测与分析系统及方法；具体为：实时采集水文地质数据，结合边缘计算进行数据去噪、时空校准及误差修正，采用变分模态分解、地质模型约束和小波变换消除噪声与漂移误差，并通过增量编码和Huffman编码优化存储与传输效率，且生成二次型检校码确保数据可靠性；融合时空深度学习模型与自注意力机制预测水文演化趋势，结合DBSCAN聚类与预测误差分析实现自适应异常检测；通过强化学习优化水资源配置策略，分层评估风险等级并生成管理方案，最终可视化展示监测数据、异常评分及决策结果。本发明整合多源数据融合、时空建模与智能决策，提升水文监测精度与响应效率。

本发明授权基于大数据的水文地质动态监测与分析系统及方法在权利要求书中公布了：1.一种基于大数据的水文地质动态监测与分析方法，其特征在于，包括以下具体实施步骤： S1、采集水文地质数据，采用边缘计算进行去噪、误差补偿和时空校准，去除低频漂移，引入地质模型修正空间误差，去除高频噪声，并通过动态偏差回归补偿传感器漂移误差，并计算优化处理效率，最终生成二次型检校码； S2、利用二次型检校码校验水文地质数据的可利用性和合理性，包括数据二进制转换、数据重置码计算及两种校检系数的构建与比对，采用HDFS存储历史数据，NoSQL数据库存储实时数据； S3、通过自适应数据融合机制动态调整数据权重，构建时空深度学习模型融合多尺度卷积、LSTM及自注意力机制预测水文演化趋势，基于自适应异常检测方法，结合DBSCAN聚类与预测误差分析进行动态阈值异常检测，并生成综合评分； 其中，基于自适应异常检测方法的实施过程如下： A1、采用DBSCAN密度聚类算法，根据数据的密度差异，将异常数据点与正常数据点分离开来，通过数据点之间的距离来衡量数据的稠密程度，密度较低的区域即为异常区域：，并计算出基于DBSCAN聚类的异常评分SDBSCAN； 其中，C为聚类中心；Xi表示第i个数据点；CXi表示第i个数据点的聚类中心； A2、通过对当前观测值与预测值之间的误差进行量化，来精确判断是否为异常，误差计算公式为： ； 其中，Xcurrent表示当前观测值；Xpred表示模型预测值，通过ST-ConvLSTM模型进行预测；σ表示当前数据集的标准差； 当误差值Sanomaly大于预设阈值τ时，认为当前数据点为异常点； A3、构建多维度综合评估模型，结合数据源的置信度以及各数据源之间的相关性，通过计算每个异常点的综合得分，识别异常点：Stotal=λ1SDBSCAN+λ2Sanomaly+λ3Sconfidence； ； 其中，Stotal表示综合评分；SDBSCAN表示基于DBSCAN聚类的异常评分；Sanomaly表示基于预测误差的异常评分；Sconfidence表示数据源的置信度评分；λ1、λ2、λ3表示权重系数，即各评估维度的重要性； S4、通过分层框架整合综合评分、历史异常频率及时间因素，计算风险评分，划分低中高风险等级并自动选择监测或调度方案，利用Q-learning强化学习模型定义状态与动作空间，结合奖励机制和动态学习率优化决策，输出水文地质管理方案，并通过智能反馈调整权重提升预测精度； S5、可视化显示处理后的水文地质数据、综合评分、水文地质管理方案。

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地质科学院岩溶地质研究所，其通讯地址为：541004 广西壮族自治区桂林市七星区七星路50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。