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！

龙图腾网获悉中国电建集团西北勘测设计研究院有限公司申请的专利一种基于深度强化学习的城市实时排水调度方法及系统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：CN120654905B 。

龙图腾网通过国家知识产权局官网在2025-12-26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：202511160980.6，技术领域涉及：G06Q10/04；该发明授权一种基于深度强化学习的城市实时排水调度方法及系统是由李轩;耿晨;赵光竹;熊登峪;马龙;姚普静;马欢;刘园;薛树红;郭园;付坤;王洁瑜;苏博文设计研发完成，并于2025-08-19向国家知识产权局提交的专利申请。

本一种基于深度强化学习的城市实时排水调度方法及系统在说明书摘要公布了：本发明涉及城市排水防涝技术领域，具体涉及一种基于深度强化学习的城市实时排水调度方法及系统。方法包括构建最小化地表积涝总量与合流制排口溢流频次的双目标奖励函数及约束条件，采用水动力机理模型结合目标区域的基础数据进行降雨径流模拟，建立基于深度强化学习的多智能体模型，构建其决策动作与模拟环境状态的交互耦合，通过该耦合获取更新的环境状态和排水调度奖励值，驱动多智能体模型生成策略网络，基于实时暴雨信息预测生成排水防涝工程动作，并利用周期性生成的策略网络对该动作进行动态更新。本发明确保在响应时间内快速实现多目标优化决策，达到内涝缓解的效果，增强城市雨洪韧性并满足实时需求。

本发明授权一种基于深度强化学习的城市实时排水调度方法及系统在权利要求书中公布了：1.一种基于深度强化学习的城市实时排水调度方法，其特征在于，所述城市实时排水调度方法包括： 以最小化地表积涝总量与最小化合流制排口溢流频次为双目标，并确定排水调度的状态和动作，构建排水调度的奖励函数和约束条件； 获取目标区域的基础数据，根据构建的奖励函数和约束条件，采用水动力机理模型基于获取的所述基础数据对所述目标区域进行降雨径流模拟，并获取降雨径流模拟过程生成的排水调度数据建立离线数据库； 基于深度强化学习算法建立多智能体模型，并使用所述离线数据库的数据对所述多智能体模型进行训练； 根据所述多智能体模型的训练过程，建立降雨径流模拟过程中环境状态和所述多智能体模型输出决策动作的交互耦合关系，并通过交互耦合关系获取降雨径流模拟过程中更新的环境状态和排水调度奖励值，所述多智能体模型根据更新的环境状态和排水调度奖励值动态生成策略网络； 获取实时的暴雨预测调度方案，通过周期性生成的所述策略网络对所述暴雨预测调度方案进行优化，根据优化后的调度方案生成控制指令以执行排水防涝工程动作，并将所述策略网络、所述控制指令以及所述排水防涝工程动作添加至所述离线数据库进行在线更新； 所述降雨径流模拟过程中环境状态和所述多智能体模型输出决策动作交互耦合，包括： 根据所述多智能体模型的训练过程，通过监测获取降雨径流模拟过程中初始环境状态时的排水调度数据； 所述多智能体模型根据初始环境状态下的排水调度数据生成决策动作和策略网络，并通过生成的所述决策动作驱动所述水动力机理模型运行单个时间步长的降雨径流模拟； 根据所述水动力机理模型单个时间步长的降雨径流模拟，通过监测获取当前环境状态下的排水调度数据，并通过构建的所述奖励函数获取当前环境状态下的排水调度奖励值； 所述多智能体模型根据当前环境状态下的排水调度数据和排水调度奖励值动态更新所述策略网络； 所述多智能体模型根据当前环境状态下的排水调度数据和排水调度奖励值动态更新所述策略网络，包括： 调用所述多智能体模型中的Critic网络和Actor网络，所述Critic网络通过接收全局环境状态数据评估防洪价值效益，所述Actor网络通过局部观测数据生成独立控制策略； 将当前环境状态下的排水调度数据输入所述Critic网络中计算排水调度奖励值与预期防洪效益的偏差量，生成策略梯度修正向量； 根据所述策略梯度修正向量调整所述Actor网络输出的局部控制策略偏差，并按工程决策时段周期更新所述策略网络的权重矩阵与偏置参数。

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中国电建集团西北勘测设计研究院有限公司，其通讯地址为：710065 陕西省西安市雁塔区丈八东路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”。

以上内容由龙图腾AI智能生成。