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申请的专利基于物理过程和可解释深度学习双驱动的水文预报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：CN119204355B 。

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：202411707422.2，技术领域涉及：G06Q10/04；该发明授权基于物理过程和可解释深度学习双驱动的水文预报方法是由朱非林;朱鸥;孙一萌;曾雨柔;徐斌;吴张勇;韩明宇;赵灵琪;侯添甜;钟平安设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于物理过程和可解释深度学习双驱动的水文预报方法在说明书摘要公布了：本发明公开了基于物理过程和可解释深度学习双驱动的水文预报方法，涉及水文预报技术领域，用于针对过程驱动模型难以完全概括动态水文过程、数据驱动模型忽略物理过程的问题；通过融合传统水文模型与可解释深度学习，充分利用了两者的优势，从而显著提高了实时水文预报的精度和效率。采用头部特定改进极光优化算法优化混合模型的参数，不仅能够提高预测精度，确保模型的可靠性和稳定性，还减少了计算资源的消耗，并且通过采用沙普利加性解释方法对深度学习模型进行解释，进一步增强了模型的可解释性，使用户能够清晰了解输入变量对预测结果的影响。这一特性为模型的实际应用提供了重要支持，特别是在需要决策透明度的水文预报领域。

本发明授权基于物理过程和可解释深度学习双驱动的水文预报方法在权利要求书中公布了：1.基于物理过程和可解释深度学习双驱动的水文预报方法，其特征在于，包括如下步骤：基于物理模型构建流域水文模型，分析流域特征并选择适配的降雨径流模型，通过头部特定改进极光优化算法对模型参数进行率定与验证，生成初始预报结果；构建深度学习模型，以流域水文模型的预报残差为训练目标，通过头部特定改进极光优化算法对深度学习模型超参数进行调优；基于流域水文模型的初始预报结果和实测数据，构建多维多步长预报残差矩阵和多维多步长水文要素矩阵，矩阵表征流域的实际物理过程和模拟物理过程之间的差异；将深度学习后处理模型预测的预报残差与流域水文模型的原始预报结果进行多预见期同步校正，生成双驱动校正模型；通过双驱动校正模型生成实时水文预报结果，并在不同预见期内获得多步校正预报结果；基于校正预报结果，利用沙普利加性解释方法，对深度学习后处理模型的输入变量进行重要性分析，量化各输入变量对校正结果的贡献，优化模型输入变量的设计和校正机制；对流域水文模型的初始预报结果进行多预见期同步校正，具体包括：双驱动校正模型在t时刻和预见期m内的径流预报结果表达如下： 式中，是通过深度学习后处理模型得到的t+m时刻的预报残差，是通过降雨径流模型得到的t+m时刻的预报流量，和分别代表深度学习后处理模型和降雨径流模型的计算过程，为t时刻降雨径流模型的预报差异，为t+m时刻降雨径流模型计算所需要的水文要素，为降雨径流模型在t+m时刻的初始计算条件。

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，其通讯地址为：210024 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”。