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！

龙图腾网恭喜河海大学;长江水利委员会水文局申请的专利一种基于元学习TFT架构的流域水文多变量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：CN119848789B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202510331446.0，技术领域涉及：G06F18/25；该发明授权一种基于元学习TFT架构的流域水文多变量预测方法是由直伟;扈敬哲;王阳阳;周波;董炳江;陈柯兵;苏晓倩;雪域;周钰;李越;王杰;秦玉茹;刘兴月;鲁春辉设计研发完成，并于2025-03-20向国家知识产权局提交的专利申请。

本一种基于元学习TFT架构的流域水文多变量预测方法在说明书摘要公布了：本发明公开了一种基于元学习TFT架构的流域水文多变量预测方法，涉及水文预测技术领域，包括采集多个水文观测站的多变量水质数据、外部驱动力数据及静态流域属性数据；进行拼接并处理缺失值，划分为时间排列的训练集、测试集和验证集作为输入；通过强化门控循环单元增强模型对长期依赖关系的捕捉；利用多尺度图注意力网络捕捉时间序列中的多层次依赖关系；整合元学习框架，融合多个子任务，输出预测值。将模型融合增强元学习与改进的TemporalFusionTransformer相结合，融合多尺度图注意力网络和动态模型融合机制，解决复杂流域环境下水文预测模型在捕捉长期依赖关系和泛化能力方面的不足，提升多变量水文预测的精度与可靠性。

本发明授权一种基于元学习TFT架构的流域水文多变量预测方法在权利要求书中公布了：1.一种基于元学习TFT架构的流域水文多变量预测方法，其特征在于，包括：S1：获取多个水文观测站的多变量水质数据、外部驱动力数据及静态流域属性数据，构建时间-站点矩阵形式的观测数据集；S2：所述观测数据集经过数据预处理后划分为训练集、测试集和验证集，作为输入；S3：构建基于元学习TFT架构的流域水文多变量预测模型，所述流域水文多变量预测模型的建模步骤包括：将提取到的水文多变量加权特征输入图结构门控残差网络；采用强化门控循环单元捕捉长期序列依赖关系；将其输出传递至多尺度图注意力网络融合处理；图结构门控残差网络具体包括：利用图神经网络捕捉特征间的拓扑关系，设输入水文多元序列以时间-站点矩阵X∈RN×F的形式表示，其中，N表示时间步长，F表示特征维度，输入特征矩阵X与邻接矩阵A∈RN×N结合，形成特征的邻接关系，并通过图神经网络对特征进行层次更新，在第l层，通过以下更新公式进行计算：Hl+1＝σAHlWl其中，σ为激活函数，Wl为可训练权重矩阵，通过迭代计算获得高层次的特征表示Hl+1；通过门控机制动态调节信息流，并采用残差连接增强特征表达：G＝σHl+1Wg+bg Hres＝Hout+Hl其中，Wg和bg为门控层的可训练参数，σ为sigmoid激活函数，表示逐元素乘法；S4：通过动态模型融合机制将输出与多个子任务的输出进行动态加权融合；动态模型融合机制的具体实现包括：设定多个子任务{f1,f2,…,fK}，每个子任务具有参数θk，其中，θk为与第k个子任务fk相关的任务参数，决定了每个子任务模型的行为和输出，是该子任务模型的权重和偏置，用于调整模型如何根据输入x进行预测；通过融合网络φ根据输入数据x动态生成融合权重αkx，其计算公式为： 将各子任务的输出按权重αkx进行加权求和，得到融合后的输出y： 其中，αkx为子任务fk在输入x下的动态权重，满足S5：利用模型融合增强元学习框架优化融合权重及全局模型参数，并通过输出层生成最终的预测结果。

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河海大学;长江水利委员会水文局，其通讯地址为：210000 江苏省南京市鼓楼区西康路1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”。