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！

龙图腾网获悉武汉大学申请的专利一种基于人工智能和大气环流机制的干旱预报方法及系统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：CN116805439B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310774646.4，技术领域涉及：G08B21/10；该发明授权一种基于人工智能和大气环流机制的干旱预报方法及系统是由尹家波设计研发完成，并于2023-06-27向国家知识产权局提交的专利申请。

本一种基于人工智能和大气环流机制的干旱预报方法及系统在说明书摘要公布了：本发明提供一种基于人工智能和大气环流机制的干旱预报方法及系统，包括：S1、获取备选降水径流影响因子；S2、对备选降水径流影响因子重要性排序并确定最终降水径流影响因子和降水径流状态数目k值；S3、以降水径流预报误差最小的Bayesian‑NHMM模型作为最佳降水径流预报模型获取降水和径流预报结果；S4、实现陆地水储量预报因子的分类分级；S5、对机器学习模型进行训练，将训练好的机器学习模型作为陆地水储量预报模型；S6、基于陆地水储量预报模型实现干旱预报预警。本发明充分利用了Bayesian‑NHMM模型以及当前机器学习模型的优势，弥补传统干旱预报精度低的问题，可推求未来干旱风险并开展干旱风险预警。

本发明授权一种基于人工智能和大气环流机制的干旱预报方法及系统在权利要求书中公布了：1.一种基于人工智能和大气环流机制的干旱预报方法，其特征在于，包括如下步骤： S1、获取数据包括大尺度气候因子数据、水文气象因子数据和下垫面影响因子数据并推求相对湿度和比湿，作为备选降水径流影响因子； S2、初步对备选降水径流影响因子重要性排序，通过主成分分析对降水径流影响进行降维处理，最后通过k折交叉验证确定最终降水径流影响因子；通过BIC函数确定Bayesian-NHMM降水概率预报模型的降水径流状态数目k值；包括如下子步骤： S2.1：计算备选降水径流影响因子与降水量之间的相关关系排序； S2.2：基于BIC函数确定Bayesian-NHMM降水概率预报模型中的降水状态数目； S2.3：基于线性相关系数以及非线性相关互信息指数初步对径流影响因子重要性排序，通过主成分分析对影响因子进行降维处理，通过k折交叉验证确定最终径流影响因子；通过BIC函数确定Bayesian-NHMM中的径流状态数目； S3、基于最终降水径流影响因子及降水径流状态数目k值，构建最终降水径流影响因子与不同降水径流状态数目k值组合的Bayesian-NHMM模型，以降水径流预报误差最小的Bayesian-NHMM模型作为最佳降水径流预报模型，获取降水和径流预报结果；包括： 根据步骤S2确定的最终降水径流影响因子及降水径流状态数目k值，构建不同降水径流预报因子组合的Bayesian-NHMM模型，计算不同降水预报因子模拟结果的均方根误差偏移系数CVRMSE，即k取不同备选值时的Bayesian-NHMM模型的降水径流预测结果与观测结果的均方根误差偏移系数CVRMSE，获得多组模型的不同表现，CVRMSE计算式如下： 式中：np为预报天数；Si为第i天降水或径流的预报值；Ri为第i天降水或径流的观测值； 针对降水和径流，分别选定CVRMSE最小的模型，确定为最佳降水和径流预测模型，并根据该最佳降水和径流预测模型，通过最终降水和径流影响因子预报降水径流； S4、考虑气候变化及下垫面变化对径流的综合影响，选用相关水文气象要素、SIF、LAI和Bayesian-NHMM模型预报降水值为聚类变量，采用K-means聚类方法实现陆地水储量预报因子的分类分级； S5、通过N类训练子样本分别对机器学习模型进行训练，得到N个训练好的机器学习模型作为陆地水储量预报模型； S6、基于陆地水储量预报模型实现干旱预报预警。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。