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！

龙图腾网获悉河海大学申请的专利一种面向长短依赖特征融合的LSTM-CAM-Transformer洪水预报模型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：CN119917822B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510408814.7，技术领域涉及：G06F18/20；该发明授权一种面向长短依赖特征融合的LSTM-CAM-Transformer洪水预报模型是由税金妹;王文卓;翟然;任黎;董增川;郑子沁;可灏;陈芷萱;张力予;樊思媛;张潇镭设计研发完成，并于2025-04-02向国家知识产权局提交的专利申请。

本一种面向长短依赖特征融合的LSTM-CAM-Transformer洪水预报模型在说明书摘要公布了：本发明公开了一种面向长短依赖特征融合的LSTM‑CAM‑Transformer洪水预报模型。本发明基于率定期数据利用均方根传播方法训练LSTM‑CAM‑Transformer洪水预报模型，该模型通过交叉注意力机制将LSTM和Transformer相耦合，将LSTM的短期特征提取能力与Transformer的长期依赖建模能力相融合构建得到。并基于验证期数据利用决定系数验证LSTM‑CAM‑Transformer洪水预报模型的精度，并利用训练好的LSTM‑CAM‑Transformer洪水预报模型进行洪水预测。本发明实现洪水长短期特征的联合识别，提高了洪水预报的准确性和可靠性。

本发明授权一种面向长短依赖特征融合的LSTM-CAM-Transformer洪水预报模型在权利要求书中公布了：1.一种面向长短依赖特征融合的LSTM-CAM-Transformer洪水预报模型，其特征在于，其步骤包括： 获取洪水径流数据以及洪水预测因子数据，并利用互信息法筛选洪水预测因子； 归一化处理的筛选后的洪水预测因子以及洪水数据划分为率定期数据和验证期数据； 构建LSTM-CAM-Transformer洪水预报模型，所述LSTM-CAM-Transformer洪水预报模型结构包括长短依赖特征提取模块和洪水预测模块； 其中，长短依赖特征提取模块，用于提取洪水预测因子水文动态特征中的长短依赖融合特征向量，所述长短依赖特征提取模块包括：三个独立的LSTM子网、多尺度特征融合模块、第一Transformer编码器、特征对齐模块和交叉注意力机制特征融合模块；所述多尺度特征融合模块是利用softmax函数为每个LSTM子网的输出分配不同的权重进行加权求和，得到综合短期特征向量； 所述综合短期特征向量计算公式： ； ； ； 式中，表示第k个尺度在时刻t的隐藏状态、是第k个尺度在时刻t的输入特征，表示第k个尺度在时刻t-1输出的隐藏状态、表示第k个尺度的特征向量、表示第k个尺度在时刻1输出的隐藏状态，表示第k个尺度在时刻2输出的隐藏状态，表示第k个尺度在时刻T输出的隐藏状态;表示第k个尺度在softmax函数中的权重矩阵，表示第j个尺度在softmax函数中的权重矩阵，表示第j个尺度的特征向量，表示第j个尺度在softmax函数中的偏置向量，表示第k个尺度在softmax函数中的偏置向量； 其中，k、j可取1、2、3分别表示为小时级时间尺度的水文动态特征、日级时间尺度的水文动态特征、周级时间尺度的水文动态特征；洪水预测模块，用于根据长短依赖融合特征向量和洪水数据进行洪水预报，所述洪水预测模块包括：第二Transformer解码器和多层感知机； 所述LSTM-CAM-Transformer洪水预报模型执行步骤包括： 将筛选后的洪水预测因子输入到三个独立的LSTM子网中分别得到小时级时间尺度的水文动态特征、日级时间尺度的水文动态特征和周级时间尺度的水文动态特征； 利用所述多尺度特征融合模块将小时级时间尺度的水文动态特征、日级时间尺度的水文动态特征和周级时间尺度的水文动态特征进行动态加权融合，得到综合短期特征向量； 将降采样后的洪水预测因子通过所述第一Transformer编码器的嵌入层映射到低维向量空间与所述综合短期特征向量融合后依次经过第一Transformer编码器的自注意力机制、归一化层、前馈网络层、归一化层得到长期特征向量； 通过所述特征对齐模块将所述综合短期特征向量和所述长期特征向量映射到相同的维度； 利用所述交叉注意力机制特征融合模块将维度相同的所述综合短期特征向量和所述长期特征向量进行融合，得到长短依赖融合特征向量； 将通过所述第二Transformer解码器的掩码自注意力机制对上一时刻预测输出进行处理得到洪水特征向量与长短依赖融合特征向量进行交叉注意力机制融合后依次通过所述第二Transformer解码器的归一化层、前馈网络层以及多层感知机，得到洪水预报结果； 基于率定期数据利用均方根传播方法训练LSTM-CAM-Transformer洪水预报模型; 基于验证期数据利用决定系数验证LSTM-CAM-Transformer洪水预报模型的精度，并利用训练好的LSTM-CAM-Transformer洪水预报模型进行洪水预测。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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”。