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！

龙图腾网恭喜郑州大学申请的专利混合深度学习的城市洪涝快速预测模型构建与评估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：CN117910645B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202410111061.9，技术领域涉及：G06Q10/04；该发明授权混合深度学习的城市洪涝快速预测模型构建与评估方法是由杨海波;陈炫炽;王宗敏;梁秋华设计研发完成，并于2024-01-25向国家知识产权局提交的专利申请。

本混合深度学习的城市洪涝快速预测模型构建与评估方法在说明书摘要公布了：本发明属于自然灾害领域，公开了混合深度学习的城市洪涝快速预测模型构建与评估方法，该模型构建与评估方法包括：收集研究区域的相关数据，利用水动力模型LISFLOOD‑FP计算得到洪涝过程数据集。将洪涝过程数据集分为训练数据集和验证数据集；在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型，利用训练数据集，对所述城市洪涝快速预测模型进行训练；选择合适的精度评估指标；利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的时间精度、空间精度及鲁棒性。本发明提出的城市洪涝快速预测模型构建与评估方法使得城市洪涝预测模型效率和精度更高，且模型构建与评估更全面。

本发明授权混合深度学习的城市洪涝快速预测模型构建与评估方法在权利要求书中公布了：1.混合深度学习的城市洪涝快速预测模型构建与评估方法，其特征在于，包括以下步骤：步骤S1：收集研究区域的相关数据，利用水动力模型LISFLOOD-FP计算得到洪涝过程数据集；所述收集研究区域的相关数据，利用水动力模型LISFLOOD-FP计算得到洪涝过程数据集具体为：S11:收集研究区域的相关数据包括数字高程模型DEM以及不同场次洪涝事件对应的进水河上游点的边界条件；S12:在ARCGIS软件对数字高程模型去除噪音和障碍物，得到用于驱动水动力模型LISFLOOD-FP的数字高程模型数据，所述噪音和障碍物包括树木和桥梁；S13:根据所述边界条件和步骤S12得到的数字高程模型数据，利用水动力模型LISFLOOD-FP计算得到洪涝过程数据集；步骤S2：将所述洪涝过程数据集分为训练数据集和验证数据集；步骤S3：在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型，利用训练数据集，对所述城市洪涝快速预测模型进行训练；所述在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型具体为：GRU模型的计算公式为：zt＝σWZ·[ht-1,xt]rt＝σWr·[ht-1,xt] 其中，zt和rt分别是更新门和重置门的输出，是候选隐藏状态，ht是当前时间步的隐藏状态；σ表示Sigmoid函数，将值限制在0到1之间；W是权重矩阵；ht-1是上一个时间步的隐藏状态；xt是当前时间步的输入；所述在CNN模型的基础上串联GRU和多头注意力模块，构建城市洪涝快速预测模型具体为：多头注意力模块的计算流程是对输入的Q,K,V应用不同的可学习投影参数矩阵，然后与注意力点积，具体计算公式为：MultiheadQ,K,V＝Concathead1,…,headhWOheadi＝AttentionQWiQ,KWiK,VWiV 式中Concat是拼接操作，参数矩阵WiQ∈RL×D，WiK∈RL×D,WiV∈RL×D为投影，WM是投影的权重参数，是将注意力矩阵变为标准正态分布；上述计算会重复h次，其中h是头的数量；步骤S4：选择合适的精度评估指标；步骤S5：利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的时间精度；步骤S6：利用所述验证数据集和所述精度评估指标评估所述城市洪涝快速预测模型的空间精度；步骤S7：对训练数据集进行抽稀，评估所述城市洪涝快速预测模型的鲁棒性。

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郑州大学，其通讯地址为：450000 河南省郑州市高新技术开发区科学大道100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”。