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！

龙图腾网获悉首都师范大学;北华航天工业学院申请的专利联合机器学习和二元水循环模型的GRACE降尺度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：CN118865112B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202410879278.4，技术领域涉及：G06V20/10；该发明授权联合机器学习和二元水循环模型的GRACE降尺度方法是由苏祺;宫辉力;陈蓓蓓;周超凡;李民;仲雪婷设计研发完成，并于2024-07-02向国家知识产权局提交的专利申请。

本联合机器学习和二元水循环模型的GRACE降尺度方法在说明书摘要公布了：本发明公开了联合机器学习和二元水循环模型的GRACE降尺度方法，涉及遥感技术领域。本发明与之前的地下水监测手段相比，解决了现有GRACE降尺度手段存在不确定性较大，可解释性较差等问题；联合GRACE和GLDAS数据，构建了基于二元水循环物理机制的机器学习降尺度模型，能够获取时空连续的长时序高空间分辨率地下水储量变化信息，打破了传统地面监测在空间和时间上的局限性，可为实测数据缺失的中小尺度区域的地下水储量变化研究提供数据支撑。在机器学习模型训练过程中，引入了二元水循环的物理机制，耦合了具有物理机制的机器学习模型。增加了机器学习在解决地理问题时的归因性与可解释性，为当下遥感科学与人工智能领域的结合提供了可行性方案。

本发明授权联合机器学习和二元水循环模型的GRACE降尺度方法在权利要求书中公布了：1.联合机器学习和二元水循环模型的GRACE降尺度方法，其特征在于，包括如下步骤：S1：联合GRACE和GLDAS，获取时空连续的地下水储量变化信息；S2：基于ERA5和WaterGAP水文模型，构建二元水循环关键要素数据集，所述数据集具体包括：降水量、蒸发量，径流量，地下水开采量；S3：基于水平衡原理，构建二元水循环模型；S4：在地理随机森林算法框架下，搭建具有二元水循环物理机制的地理随机森林降尺度模型，获取时空连续中高分辨率地下水储量变化信息；具体包括如下内容：S4.1：基于地理随机森林模型，以研究区不同区域的地理特性为依据对研究区进行分区；S4.2：将二元水循环关键要素数据集统一到0.25°×0.25°空间分辨率上，并以其为自变量输入到地理随机森林模型中；以空间分辨率为0.25°×0.25°的地下水储量变化数据为地理随机森林模型的目标变量；选取80%的数据为样本数据，20%的数据为验证数据，以所述S4.1中的分区为标准，进行地理随机森林降尺度模型的构建；通过相关系数、平均绝对误差、均方根误差和纳什效率系数验证地理随机森林降尺度模型的模拟精度；S4.3：将基于地理随机森林降尺度模型模拟所得的空间分辨率为0.25°×0.25°的地下水储量变化数据与GRACE反演的地下水储量变化数据作差值；采用克里金法将空间分辨率为0.25°×0.25°的差值结果转换为空间分辨率为0.1°×0.1°的差值结果；将空间分辨率为0.1°×0.1°的差值结果作为地理随机森林降尺度模型模拟的误差值；S4.4：将空间分辨率为0.1°×0.1°的二元水循环关键要素数据集作为预测数据集，输入到所述地理随机森林降尺度模型中，获取空间分辨率为0.1°×0.1°的地下水储量变化数据；将所获得的结果减去所述S4.2中的误差值以削弱模型模拟所带来的误差，最终实现地下水储量变化数据的降尺度；S5：通过实测地下水位数据，对降尺度的结果进行验证；具体包括如下内容：对水位数据进行距平处理，扣除研究时间段内的平均水位埋深，再乘以相应的区域给水度得到水储量变化的等效水柱高，以此将地下水水位数据转化为与重力卫星监测等效的地下水储量变化值： 其中，为实测地下水位数据；为无量纲的综合给水度系数；为地下水位变化量。

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首都师范大学;北华航天工业学院，其通讯地址为：100048 北京市海淀区西三环北路105号首都师范大学；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。