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！

龙图腾网获悉浙江贵仁信息科技股份有限公司申请的专利一种基于多源数据融合的流域洪水实时预警方法和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：CN120974242B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511492825.4，技术领域涉及：G06F18/24；该发明授权一种基于多源数据融合的流域洪水实时预警方法和系统是由桂发二;黄振华;罗源设计研发完成，并于2025-10-20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流域洪水实时预警方法和系统在说明书摘要公布了：本发明涉及一种基于多源数据融合的流域洪水实时预警方法和系统，其涉及洪水预警技术领域，包括：获取目标流域的多种多源数据，并对多种多源数据进行预处理；将多种预处理后的多源数据进行融合，得到融合后的数据；将融合后的数据输入到训练好的流域洪水实时预警模型中进行处理，得到目标流域的洪水预警结果；其中，流域洪水实时预警模型是基于CNN‑LSTM模型训练得到，且在对CNN‑LSTM模型进行训练的过程中，利用贝叶斯优化器对CNN‑LSTM模型的超参数进行优化，以便流域洪水实时预警模型中的特征展平层基于优化后的超参数来将输入的多维特征展平为一维向量，从而能够提高洪水预警的精度和时效性。

本发明授权一种基于多源数据融合的流域洪水实时预警方法和系统在权利要求书中公布了：1.一种基于多源数据融合的流域洪水实时预警方法，其特征在于，包括： 获取目标流域的多种多源数据，并对所述多种多源数据进行预处理，得到多种预处理后的多源数据； 将所述多种预处理后的多源数据进行融合，得到融合后的数据； 将所述融合后的数据输入到训练好的流域洪水实时预警模型中进行处理，得到所述目标流域的洪水预警结果；其中，所述流域洪水实时预警模型是基于CNN-LSTM模型训练得到的，且在对所述CNN-LSTM模型进行训练的过程中，利用贝叶斯优化器对所述CNN-LSTM模型的超参数进行优化，并通过所述贝叶斯优化器调整特征通道权重，以增强与洪水形成机理相关关键特征的贡献度，从而优化输入至所述CNN-LSTM模型的特征展平层的特征质量； 其中，所述流域洪水实时预警模型包括可参数化动态自适应池化层，所述可参数化动态自适应池化层包括： 全局上下文模块，用于对输入的整个输入特征图，首先计算其全局平均池化，得到一个编码了当前特征图整体的状态和信息的全局上下文信息； 控制模块，其包括第一全连接层、第二全连接层、重塑模块和Softmax模块，所述第一全连接层用于包含H个神经元，使用ReLU激活函数，用于对所述全局上下文信息进行非线性变换和特征压缩；所述第二全连接层包含C×K个神经元，用于输出每个通道对应各池化操作的原始权重分，C表示特征图的通道数，K表示池化操作类型的数量；所述重塑模块用于将所述第二全连接层的输出重塑为C行K列的权重矩阵，且所述权重矩阵的每一行就是对应通道的专属权重系数，其决定了该通道如何混合多种池化操作；所述Softmax模块用于对所述权重矩阵的每一行进行Softmax归一化处理，得到最终每个通道的池化权重系数，且满足，其中，i表示通道索引；K表示池化操作类型索引； 动态池化模块，用于分别使用K种池化操作对所述输入特征图进行池化，得到K个池化结果特征图；对于每个通道，根据该通道的权重系数，将所述K个池化结果特征图中对应通道的数据进行加权融合，得到最终的输出特征图；将所有通道的所述最终输出特征图组合成所述可参数化动态自适应池化层的最终的输出特征图。

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浙江贵仁信息科技股份有限公司，其通讯地址为：310051 浙江省杭州市滨江区西兴街道阡陌路482号B楼第12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”。

以上内容由龙图腾AI智能生成。