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！

龙图腾网获悉黄河水利委员会黄河水利科学研究院申请的专利一种基于多源数据融合的河床演变预测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：CN119622658B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411658368.7，技术领域涉及：G06F18/27；该发明授权一种基于多源数据融合的河床演变预测方法是由张向;曹永涛;李军华;张亚新;韩沙沙;许琳娟;来志强;张向萍;宋迎宾;茹宏恩;赵万杰;刘彦晖;董其华;万强;夏修杰设计研发完成，并于2024-11-19向国家知识产权局提交的专利申请。

本一种基于多源数据融合的河床演变预测方法在说明书摘要公布了：本发明提供了一种基于多源数据融合的河床演变预测方法，属于水文资源监测技术领域；利用不同的设备采集融合成多源数据，并经过数据预处理，形成统一的三维网格数据，然后基于设计的特征提取网络，生成多尺度特征图；随后基于设计的多通道卷积神经网络，在多个通道上同时学习和提取特征，对不同信息源进行层次化表达和融合；最后，基于设计的时间序列回归网络，通过双层LSTM结构提取时间序列中的复杂依赖关系，并通过自适应残差修正模块学习残差信息提高预测精度，获得最终预测结果。本发明在复杂河道环境中表现出较强的适用性和鲁棒性，通过多源数据融合和创新的特征提取及回归方法，可以应对自然因素与人为活动引起的多种河床形态变化。

本发明授权一种基于多源数据融合的河床演变预测方法在权利要求书中公布了：1.一种基于多源数据融合的河床演变预测方法，其特征在于，包括以下步骤： S1，采集获取多源河床数据，经过数据预处理，并融合形成统一的三维网格数据； 所述采集获取多源河床数据，包括地形数据、水动力数据、泥沙数据和气象数据；所述地形数据包括通过激光雷达获取的地形起伏信息的三维点云坐标数据，包括通过遥感影像获取的河道形态、周边环境植被覆盖、水体扩展和岸线退缩变化的二维图像数据，还包括通过声纳获取的河床水下形态和深度的三维点云数据；所述水动力数据包括流量数据、流速数据和水位数据；所述泥沙数据包括悬浮物浓度数据和沉积物粒径分布数据；所述气象数据包括降水数据和蒸发量数据； 所述融合形成统一的三维网格数据，具体过程为： 定义统一的网格：根据研究的河床区域的范围和分辨率需求，定义一个统一的三维空间网格，确定最小和最大x、y、z坐标，记为和，用于确定网格的空间范围，其中，每个网格点的位置为，其中，表示网格点的索引；网格的分辨率采用激光雷达的平均分辨率1m； 数据统一转换：激光雷达采集的数据为三维点云数据，以p1=x1,y1,z1的形式给出，代表地表的三维坐标，将p1转换为投影坐标系： ； ； ； 其中，和为原始地理坐标，表示投影坐标系的中心经度，N为曲率半径，h为高程数据，即激光雷达测得的高程值； 遥感影像数据只包含平面坐标p2=x2,y2，直接映射到三维网格中的平面上，z值默认为0； 声纳采集的数据p3=x3,y3,z3记录水深值，需要转换为绝对高程，即地面点眼垂线方向至大地水准面的距离，以符合统一的三维投影坐标系，绝对高程z计算如下： ； 其中，D为水深数据为相对于水面的深度，水面的高程为H； 水动力数据p4包括水位和流速信息；水位数据直接作为z值映射到投影坐标中的z轴上；流速分解为三维分量，在三维网格的对应平面上插值到各网格点； 泥沙数据包含悬浮泥沙浓度p5x5,y5，悬浮泥沙浓度数据直接记录在网格的z平面上，即，并通过IDW方法插值到网格上，即根据周围的采样点q5xj,yj的浓度数据进行插值计算，对每个网格点重复上述插值计算，直至所有网格点的泥沙浓度值p5都通过IDW插值获得； 气象数据为二维数据P6，包括降水和蒸发，直接赋值给网格的表面层； 经过上述转换，所有数据均标准化并转换到统一的三维坐标系下；其中激光雷达数据、声纳数据提供z坐标值，用于构建地表与水下的三维地形；遥感影像数据映射到x,y平面，赋予表面层的属性值；水动力数据和泥沙数据，通过空间插值分布到网格的不同深度层；气象数据映射到表面网格，最终得到三维网格表示的数据； S2，基于特征提取网络，生成多尺度特征图；所述特征提取网络包括多尺度卷积神经网络模块和互信息特征选择模块，所述多尺度卷积神经网络模块提取不同尺度的河床形态特征，并结合通道注意力机制加权融合；所述互信息特征选择模块消除冗余特征，获得涵盖河床动态变化的关键特征； S3，基于多通道卷积神经网络，在多个通道上同时学习和提取特征，对不同信息源进行层次化表达和融合；所述多通道卷积神经网络包括多尺度卷积融合模块和特征压缩模块；所述多尺度卷积融合模块使用不同大小的卷积核提取细节和大尺度特征，并通过通道注意力机制聚焦于最相关的特征，融合多通道信息；所述特征压缩模块通过池化层进一步压缩特征图，并在处理时间序列数据时，通过LSTM层捕捉时间依赖性，生成序列化的时空特征； S4，基于时间序列回归网络，通过双层LSTM结构提取时间序列中的复杂依赖关系，并通过自适应残差修正模块学习残差信息提高预测精度，获得最终预测结果。

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黄河水利委员会黄河水利科学研究院，其通讯地址为：450003 河南省郑州市金水区顺河路45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”。

以上内容由龙图腾AI智能生成。