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！

龙图腾网获悉浙江大学申请的专利一种基于因果发现的城市排水系统传感器网络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：CN121257990B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511824905.5，技术领域涉及：G06Q10/063；该发明授权一种基于因果发现的城市排水系统传感器网络评估方法是由周永潮;郑越;张仪萍;张土乔设计研发完成，并于2025-12-05向国家知识产权局提交的专利申请。

本一种基于因果发现的城市排水系统传感器网络评估方法在说明书摘要公布了：本发明公开了一种基于因果发现的城市排水系统传感器网络评估方法，包括：构建SWMM模型；构建包含实测和模拟的降雨数据集；基于构建的SWMM模型，将降雨数据集中的降雨事件逐个作SWMM模型的输入，从模型的运算输出结果中提取各节点液位数据，组成SWMM模型结果数据集；基于生成的液位数据集，对数据进行节点掩码，在稀疏条件下进行液位场重建，依据因果发现深度学习模型得到全域液位；在重建数据过程中进行因果发现，学习节点影响矩阵；对节点影响矩阵进行归一化，并基于归一化后的节点影响矩阵计算有效数量、集中度与覆盖半径三类指标，输出监测点级与系统级评估结果与优化建议。

本发明授权一种基于因果发现的城市排水系统传感器网络评估方法在权利要求书中公布了：1.一种基于因果发现的城市排水系统传感器网络评估方法，其特征在于，包括步骤： 1针对待研究的排水管网系统，收集区域的管网数据和下垫面数据，并构建SWMM模型； 2收集多场历史暴雨事件，并按研究区域所在地区的暴雨强度公式与芝加哥雨型生成模拟降雨，构成包含实测和模拟的降雨数据集，用于多情景覆盖； 3基于步骤1中所构建的SWMM模型，将步骤2中的降雨数据集中的降雨事件逐个作SWMM模型的输入，从模型的运算输出结果中提取各节点液位数据，组成SWMM模型结果数据集； 4基于步骤3生成的液位数据集，对数据进行节点掩码，在稀疏条件下进行液位场重建，依据因果发现深度学习模型得到全域液位； 步骤4具体包括：通过对研究区域内已布设的液位监测点采集的实测数据进行时间序列整理，构建观测矩阵，并引入掩膜矩阵对观测与缺失位置进行区分；利用因果发现深度学习模型的液位重建模块，以降雨过程数据、管网拓扑矩阵以及未掩码的节点观测液位为输入，输出全域节点在各时刻的液位估计值； 步骤4因果发现深度学习模型训练过程中采用掩膜约束的重建损失函数进行优化，其定义如下： 其中：为掩膜矩阵的元素，当节点在时刻具有实测值时取1，否则取0；为因果发现深度学习模型预测液位；为实测液位，使用的是步骤3生成的液位数据； 5在重建数据过程中进行因果发现，学习节点影响矩阵，具体包括：将步骤4中获得的全域液位时间序列数据作为输入样本，利用因果发现深度学习模型的因果结构学习模块，分析各节点之间的时序依赖与影响方向；因果结构学习模块在网络结构中引入可学习的邻接权重矩阵即节点影响矩阵，其中表示节点对节点的方向性影响强度，通过端到端的训练过程自动识别节点间的主要因果联系； 因果发现深度学习模型采用如下约束优化目标： 其中：为稀疏正则项；、分别为平衡权重参数；为无环约束函数，其定义为： 其中：表示Hadamard乘积，为节点数； 6对节点影响矩阵进行归一化，并基于归一化后的节点影响矩阵计算有效数量、集中度与覆盖半径三类指标，输出监测点级与系统级评估结果与优化建议； 步骤6中，归一化节点影响矩阵的元素表示节点对节点的标准化影响强度，满足，表示节点对节点的标准化方向性影响强度，在此基础上，定义以下三类指标： 有效数量：用于衡量单个监测节点的影响广度，即该节点在网络中可有效影响的下游节点数量，其计算公式为： 集中度：用于描述监测节点对下游少数关键节点的主导程度，其计算公式为： 覆盖半径：用于衡量监测节点影响范围的空间尺度，其计算公式为： 表示节点总数；表示最重要的节点数量；表示排水管网的最长有向路径。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。