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！

龙图腾网获悉华南农业大学申请的专利一种基于深度学习重构图像模型的城市洪涝模拟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：CN120633502B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202510707049.9，技术领域涉及：G06F30/28；该发明授权一种基于深度学习重构图像模型的城市洪涝模拟方法是由陈文杰;黄俊烽;齐龙;曾照洋;朱海睿设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本一种基于深度学习重构图像模型的城市洪涝模拟方法在说明书摘要公布了：本发明公开了一种基于深度学习重构图像模型的城市洪涝模拟方法，所述方法包括以下步骤：步骤1、获取研究区域基础数据；步骤2、构建一维‑二维水动力耦合模型；步骤3、数据预处理；步骤4、构建U‑Net深度学习重构图像模型；步骤5、U‑Net深度学习重构图像模型的设置与训练；步骤6、城市洪涝模拟。本发明所述方法提高了城市洪涝模拟空间分辨率上响应速度，兼顾了模拟精度与计算效率；实现了在仅使用有限训练数据的情况下，快速准确地获取高分辨率的洪涝积水模拟结果，为城市洪涝灾害防控提供科学支撑。

本发明授权一种基于深度学习重构图像模型的城市洪涝模拟方法在权利要求书中公布了：1.一种基于深度学习重构图像模型的城市洪涝模拟方法，其特征在于，所述方法包括以下步骤： 步骤1、获取研究区域基础数据：获取研究区域基础数据，包括地理数字高程数据、遥感影像数据、土地利用类型数据、排水管网数据及历史降雨数据和内涝监测数据；并将获取的地理数字高程数据、遥感影像数据、土地利用类型数据、排水管网数据修改为同一坐标系；在同一坐标系下，根据遥感影像数据框画道路、建筑轮廓作为建筑轮廓数据； 步骤2、构建一维-二维水动力耦合模型：在洪水积水网格生成工具中对研究区域生成两种尺寸不同的高精度网格和低精度网格，所述高精度网格定义为具备10米及以下空间分辨率，且在研究区域内网格数量达到每平方公里1万以上的栅格划分方案；不满足高精度网格标准的则为低精度网格；根据获取的地理数字高程数据、建筑轮廓数据、土地利用类型数据、排水管网数据使用高精度网格构建一维-二维水动力耦合模型；然后通过历史降雨数据和内涝监测数据，采用一维-二维水动力耦合模型模拟结果与监测数据对比的方法进行率定验证；使用高精度网格的一维-二维水动力耦合模型构建完成后，将高精度网格替换为低精度网格，其他参数不变，获得低精度网格的一维-二维水动力耦合模型； 步骤3、数据预处理：对于构建的高、低精度网格的一维-二维水动力耦合模型，将根据研究区域当地气象台公布的暴雨公式生成的符合研究区域降雨特性的多场设计暴雨数据和研究区域的历史降雨数据输入到一维-二维水动力耦合模型，模拟研究区域内的洪涝积水分布和积水深度峰值，则获得若干组多个暴雨重现期下不同雨型的城市洪涝积水模拟结果，包括高精度积水模拟结果和低精度积水模拟结果，以栅格数据的形式进行保存；对低精度积水模拟结果进行处理得到细尺寸低精度积水模拟结果，然后对细尺寸低精度积水模拟结果、高精度积水模拟结果、地理数字高程数据、建筑轮廓数据、降雨数据进行结构化处理，以结构化数据存储；所述降雨数据包括历史降雨数据、设计暴雨数据； 所述对低精度积水模拟结果进行处理得到细尺寸低精度积水模拟结果的具体过程为：对低精度积水模拟结果进行最近邻上采样，具体为，对低精度积水模拟结果的每个像元通过空间扩展方式，直接映射为目标图像中一个等值子块区域，使其网格尺寸与高精度积水模拟结果相同，从而得到细尺寸低精度积水模拟结果，具体操作为： 对于原始数据中任意一像元Icoarsei，j，其值被复制并填充至目标数据中对应的s×s子块： Ifinesi+m，sj+n＝Icoarsei，j3 式中：Icoarse为原始低分辨率数据中第i行、第j列的像元值；s为扩展倍数；Ifine为高分辨率数据中第si+m行、第sj+n列的像元值，取值复制自对应的Icoarsei，j；m和n为Icoarse的原始数据尺寸，且m、n∈{0,1,2，…，s-1}； 步骤4、构建U-Net深度学习重构图像模型：构建U-Net深度学习重构图像模型，所述模型包括降雨数据输入层、水动力积水模拟结果输入层、地理数字高程数据输入层、建筑轮廓数据输入层、卷积编码器、降雨特征重构层、特征融合层、卷积解码器、全连接层及输出层； 步骤5、U-Net深度学习重构图像模型的设置与训练：以步骤3中的结构化数据构建训练样本，并将训练样本按组输入U-Net深度学习重构图像模型进行训练，使模型能够根据输入数据预测输出数据；输入数据包括输入时段内的降雨数据、细尺寸低精度积水模拟结果、地理数字高程数据、建筑轮廓数据，输出数据为对应样本区域在输入时段内的积水深度峰值和积水分布；根据样本重新组合拼接，生成研究区域完整的积水深度峰值和积水分布的模拟结果；在模型训练过程中，对模型进行参数调整，当训练轮次达到预先设定的轮次，或者验证损失趋于稳定不再下降，模型训练完成； 步骤6、城市洪涝模拟：通过一维-二维水动力模型获得研究区域需要预测降雨情景的低精度积水模拟结果，将所获得的低精度积水模拟结果作为输入数据输入训练完成的U-Net深度学习重构图像模型，输出研究区域对应降雨情景下的高精度洪涝积水模拟结果。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。