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！

龙图腾网获悉福建中锐网络股份有限公司申请的专利一种基于时空关联混合深度学习模型的流域多点预测预警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：CN115310532B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202210935318.3，技术领域涉及：G06F18/27；该发明授权一种基于时空关联混合深度学习模型的流域多点预测预警方法是由马森标;李佐勇;黄祖海;陈友武;卢维楷;王小川;郭宝椿设计研发完成，并于2022-08-04向国家知识产权局提交的专利申请。

本一种基于时空关联混合深度学习模型的流域多点预测预警方法在说明书摘要公布了：本发明提出一种基于时空关联混合深度学习模型的流域多点预测预警方法，根据包括历史与未来水库降雨量和泄洪量的水库方面的信息与流域多点水位数据，挖掘出包含能预测出流域多点水位未来一天或三天变化情况的数据结构特征，并将流域多点特征水位信息数据作为基于LSTM和GCN的流域多点水位时空关联混合模型的输入特征，训练完成后进行一天或多天的流域水位预测，其中输入数据字段包括每个测点时间归一化后的源头水库降雨量、泄洪量和流域多点水位，模型返回这些测点的流域水位预测值。

本发明授权一种基于时空关联混合深度学习模型的流域多点预测预警方法在权利要求书中公布了：1.一种基于时空关联混合深度学习模型的流域多点预测预警方法，其特征在于：根据包括历史与未来水库降雨量和泄洪量的水库方面的信息与流域多点水位数据，挖掘出包含能预测出流域多点水位未来一天或三天变化情况的数据结构特征，并将流域多点特征水位信息数据作为基于LSTM和GCN的流域多点水位时空关联混合模型的输入特征，训练完成后进行一天或多天的流域水位预测，其中输入数据字段包括每个测点时间归一化后的源头水库降雨量、泄洪量和流域多点水位，模型返回这些测点的流域水位预测值； 所述基于LSTM和GCN的流域多点水位时空关联混合模型进行特征提取的过程包括： LSTM特征编码：包括三个LSTM层的处理；将经过三个LSTM网络表示学习后得到的特征向量表示按时间维度进行拼接，同时不产生新的维度，最终输出包含每个监测点历史属性的时间关联特征向量； GCN特征编码：复制地理信息图，将包含地理位置信息与地理空间依赖关系的尺寸为K,K的拓扑结构图作为输入，按批次数量值进行复制操作，最终输出尺寸为B,K,K的特征向量矩阵，B为batchsize大小；并获取拼接后的尺寸为B,3,F'的特征向量矩阵作为特征矩阵，F'为LSTM网络的输出维度，同时将尺寸为B,K,K的地理信息图作为邻接矩阵输入该层，获得包含时间特征信息与地理位置信息的拓扑结构图，一同作为图卷积层的特征矩阵输入，对拓扑结构图进行特征提取，最终输出尺寸为B,3,F'的特征向量矩阵；经过图卷积之后，重塑获得的特征向量矩阵形状；将特征提取后输出尺寸为B,3,F'的特征向量矩阵作为重塑的对象，维度设为拼接后的向量矩阵第一维的数值与后二维度的积进行特征向量重塑，将特征变量维度合并，最终输出尺寸为B,3*F'的向量矩阵； 接下来，构建全连接回归预测层：将重塑后尺寸为B,3*F'的特征向量矩阵作为全连接回归预测层的特征矩阵输入，输出通过全连接神经网络计算流域多点特征预测值，通过设定输出端神经元数量K*Z，最终输出尺寸为B,K*Z的预测向量矩阵。

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福建中锐网络股份有限公司，其通讯地址为：350108 福建省福州市闽侯县福州大学国家大学科技园8号楼5层；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”。