買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉水利部交通運(yùn)輸部國(guó)家能源局南京水利科學(xué)研究院申請(qǐng)的專利基于集合卡爾曼濾波與深度殘差網(wǎng)絡(luò)的水文模型時(shí)變參數(shù)預(yù)測(cè)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120337165B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-22發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510838089.7，技術(shù)領(lǐng)域涉及：G06F18/25；該發(fā)明授權(quán)基于集合卡爾曼濾波與深度殘差網(wǎng)絡(luò)的水文模型時(shí)變參數(shù)預(yù)測(cè)方法是由劉鵬;程淑婕;謝康;金君良;王云;王國(guó)慶設(shè)計(jì)研發(fā)完成，并于2025-06-23向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于集合卡爾曼濾波與深度殘差網(wǎng)絡(luò)的水文模型時(shí)變參數(shù)預(yù)測(cè)方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了一種基于集合卡爾曼濾波與深度殘差網(wǎng)絡(luò)的水文模型時(shí)變參數(shù)預(yù)測(cè)方法，包括：獲取流域多源數(shù)據(jù)；利用集合卡爾曼濾波方法獲取水文模型時(shí)變參數(shù)歷史時(shí)序數(shù)據(jù)；構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的深度殘差網(wǎng)絡(luò)預(yù)測(cè)模型；對(duì)該模型進(jìn)行訓(xùn)練，獲取的未來(lái)氣候模式中的水文、氣象數(shù)據(jù)輸入訓(xùn)練好的模型中，輸出未來(lái)情景下的水文模型時(shí)變參數(shù)。本發(fā)明利用數(shù)據(jù)同化方法解決了水文模型時(shí)變參數(shù)歷史數(shù)據(jù)的獲取，通過(guò)深度殘差網(wǎng)絡(luò)與未來(lái)氣候模式數(shù)據(jù)對(duì)水文模型參數(shù)未來(lái)變化進(jìn)行預(yù)測(cè)，為水文模型參數(shù)的動(dòng)態(tài)預(yù)測(cè)提供了一種全新的數(shù)據(jù)驅(qū)動(dòng)方法，為未來(lái)水資源管理和應(yīng)對(duì)氣候變化挑戰(zhàn)提供更強(qiáng)有力的技術(shù)支持。

本發(fā)明授權(quán)基于集合卡爾曼濾波與深度殘差網(wǎng)絡(luò)的水文模型時(shí)變參數(shù)預(yù)測(cè)方法在權(quán)利要求書中公布了：1.基于集合卡爾曼濾波與深度殘差網(wǎng)絡(luò)的水文模型時(shí)變參數(shù)預(yù)測(cè)方法，其特征在于，包括如下步驟： 步驟S1：獲取流域多源數(shù)據(jù)，并整合多維度、多來(lái)源的數(shù)據(jù)，作為后續(xù)模型構(gòu)建和參數(shù)校準(zhǔn)的輸入信息；多源數(shù)據(jù)，包括通過(guò)氣象數(shù)據(jù)產(chǎn)品獲取的歷史氣象數(shù)據(jù)、土壤數(shù)據(jù)、土地利用數(shù)據(jù)、地形數(shù)據(jù)、徑流觀測(cè)與徑流特征數(shù)據(jù)； 步驟S2：利用集合卡爾曼濾波方法，獲取水文模型時(shí)變參數(shù)的歷史時(shí)序數(shù)據(jù)； 步驟S3：構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)和深度殘差網(wǎng)絡(luò)相結(jié)合的預(yù)測(cè)模型，通過(guò)該預(yù)測(cè)模型提取輸入數(shù)據(jù)中的局部特征，通過(guò)多層次處理捕捉到全局特征，進(jìn)而獲取多源數(shù)據(jù)與水文模型時(shí)變參數(shù)的歷史時(shí)序數(shù)據(jù)的復(fù)雜非線性關(guān)系； 步驟S4：將步驟S1中獲取的數(shù)據(jù)，以及步驟S2中構(gòu)建的水文模型時(shí)變參數(shù)的歷史時(shí)序數(shù)據(jù)，按時(shí)間順序組合成歷史時(shí)序數(shù)據(jù)集，按7:3的比例將該數(shù)據(jù)集劃分為訓(xùn)練集與測(cè)試集；利用訓(xùn)練集對(duì)步驟S3中構(gòu)建的預(yù)測(cè)模型進(jìn)行訓(xùn)練，利用驗(yàn)證集對(duì)訓(xùn)練后的預(yù)測(cè)模型進(jìn)行驗(yàn)證，以均方誤差MSE為損失函數(shù)進(jìn)行目標(biāo)優(yōu)化，以決定系數(shù)R2為評(píng)估指標(biāo)對(duì)訓(xùn)練后的預(yù)測(cè)模型進(jìn)行評(píng)估； 步驟S5：將通過(guò)未來(lái)氣候模式中獲取的多源水文、氣象數(shù)據(jù)輸入到訓(xùn)練好的預(yù)測(cè)模型中，輸出未來(lái)情景下的水文模型時(shí)變參數(shù)。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人水利部交通運(yùn)輸部國(guó)家能源局南京水利科學(xué)研究院，其通訊地址為：210000 江蘇省南京市鼓樓區(qū)廣州路223號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。