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！

龙图腾网获悉北京师范大学珠海校区申请的专利基于PINNs的洪水预测方法、装置、设备及介质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：CN120181152B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510646514.2，技术领域涉及：G06N3/0499；该发明授权基于PINNs的洪水预测方法、装置、设备及介质是由马胡双;张强;王港设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本基于PINNs的洪水预测方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种基于PINNs的洪水预测方法、装置、设备及介质,方法包括：预处理采集到的目标流域的地理空间遥感数据、降水强度分布数据、气象数据、水文数据和环境数据，得到第一目标数据集；基于初始PINNs模型和第一目标数据集构建第一目标损失函数，第一目标损失函数基于物理约束损失函数和数据驱动损失函数形成；基于第一目标损失函数和第一目标数据集训练初始PINNs模型得到目标模型；基于目标模型对目标流域进行洪水预测。本申请在训练洪水预测模型过程中引入物理损失函数和数据驱动损失函数优化模型，使得最终用于洪水预测的目标模型能拟合实际监测数据的同时遵循洪水物理规律，如此，能够提升洪水预测结果的准确性。

本发明授权基于PINNs的洪水预测方法、装置、设备及介质在权利要求书中公布了：1.一种基于PINNs的洪水预测方法，其特征在于，包括： 获取预设时间段内目标流域对应的地理空间遥感数据、降水强度分布数据、气象数据、水文数据和环境数据，对所述地理空间遥感数据、所述降水强度分布数据、所述气象数据、所述水文数据和所述环境数据进行预处理，得到预处理后的第一目标数据集； 获取初始PINNs模型，基于所述初始PINNs模型和所述第一目标数据集构建第一目标损失函数，其中，所述第一目标损失函数基于物理约束损失函数和数据驱动损失函数形成，所述物理约束损失函数基于圣维南方程构建，所述数据驱动损失函数基于所述初始PINNs模型所输出的预测流量和对应的实际流量构建； 基于所述第一目标损失函数和所述第一目标数据集对所述初始PINNs模型进行训练，得到训练好的目标模型； 基于所述目标模型对所述目标流域进行洪水预测； 其中，基于所述初始PINNs模型和所述第一目标数据集构建第一目标损失函数，包括： 计算所述初始PINNs模型基于所述第一目标数据集输出的所述预测流量对所述第一目标数据集中各个输入变量的各个导数； 将各个所述导数代入所述圣维南方程得到所述物理约束损失函数； 计算所述预测流量与所述目标流域对应的实际流量之间的第一均方误差，基于所述第一均方误差构建所述数据驱动损失函数； 确定权衡系数，基于所述物理约束损失函数、所述数据驱动损失函数和所述权衡系数构建所述第一目标损失函数，其中，所述权衡系数为权衡所述物理约束损失函数和所述数据驱动损失函数之间的相对重要性的参数； 所述第一目标损失函数的表达式如下： ; ; ; ; 2; 其中，为所述第一目标损失函数，为所述权衡系数，为所述物理约束损失函数，为第一权重参数，为第二权重参数，为所述初始PINNs模型输出的所述目标流域的预测流量，为所述目标流域的横截面积，为所述目标流域的水位，为重力加速度，为动量方程损失函数，N1和N2为样本数量，为所述预测流量的时间导数，为动量通量项的空间梯度，为所述水位的空间梯度，为所述目标流域的摩阻坡度，为所述目标流域的河床底坡，为连续方程损失函数，为所述横截面积随时间的变化率，为所述预测流量的空间梯度，为所述数据驱动损失函数，为所述实际流量。

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北京师范大学珠海校区，其通讯地址为：519000 广东省珠海市香洲区唐家湾镇金凤路18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”。