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！

龙图腾网获悉福州大学申请的专利一种基于SCM-PINNs的洪水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：CN116975513B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202310829658.2，技术领域涉及：G06F17/13；该发明授权一种基于SCM-PINNs的洪水预报方法是由张挺;詹昌洵;杨丁颖;章思茜;黄迎春;高帅设计研发完成，并于2023-07-07向国家知识产权局提交的专利申请。

本一种基于SCM-PINNs的洪水预报方法在说明书摘要公布了：本发明公开一种河道洪水预报方法，包括以下步骤：建立用于描述洪水演进的偏微分方程组PDE，将其作为物理信息神经网络PINNs模型的损失函数；采用分离系数矩阵法SCM将偏微分方程组中的系数矩阵按照特征值的正负分开，得到分离系数形式的偏微分方程组；采用泰勒级数获取匹配对应系数矩阵的空间导数，求出SCM‑PINNs框架下的偏微分方程组；构建并训练SCM‑PINNs河道洪水预报模型，得到优化后的模型参数；对优化后的模型进行评价；将评价通过的模型应用于溃坝洪水预报案例，得到全过程全方位的溃坝洪水预报结果。本发明有益效果是：提高了洪水预报的速度和精度。

本发明授权一种基于SCM-PINNs的洪水预报方法在权利要求书中公布了：1.一种基于SCM-PINNs的洪水预报方法，其特征在于，所述洪水预报方法包括以下步骤： S101：建立用于描述洪水演进的偏微分方程组，将其作为物理信息神经网络模型的损失函数； S102：采用分离系数矩阵法将偏微分方程组中的系数矩阵按照特征值的正负分开，得到分离系数形式的偏微分方程； S103：采用泰勒级数获取匹配对应系数矩阵的空间导数，求出SCM-PINNs框架下的偏微分方程组； S104：构建并训练SCM-PINNs河道洪水预报模型，得到优化后的模型参数； S105：采用相对L2误差等拟合优度指标对优化后的模型进行评价； S106：将评价通过的模型应用于溃坝洪水预报案例，得到全过程全方位的溃坝洪水预报结果； 所述描述洪水演进的偏微分方程组采用如下浅水方程： 其中， 式中，h为水深，u和v分别为x和y方向上的垂向平均速度分量，g是重力加速度，S0x、S0y和Sfx、Sfy分别为x和y方向上的底坡和摩阻源项，并表示为： 其中，zb为河床高程，n为曼宁粗糙系数； 矩阵P和H包含重要的特征信息，他们的特征值λ和ω分别为： 其中，是波速； 步骤S102中系数矩阵按照特征值正负划分后的分离系数形式的偏微分方程组的具体公式如下： 式中，P+＝MDP +M-1，P-＝MDP -M-1，H+＝NDH +N-1和H-＝NDH -N-1是根据矩阵的对角化和特征值符号形成的系数矩阵，包含波传播的特征信息； 因此通过分离系数矩阵法，可以写出从相关特征方向传递信息的微分方程，这样每个部分只包含特征值的正或负分量，其中，当系数为P+和H+时，和采用后向差分式23-24，则当系数为P-和H-时，和采用前向差分式25-26； 步骤S103中的经过泰勒级数求出的SCM-PINNs框架下的偏微分方程组具体公式如下： 将式19-22分别代入式14-17，得： 其中，Δx和Δy为用户自定义的超参数； 步骤S104中，SCM-PINNs河道洪水预报模型具体如下： 式中，是物理信息神经网络的预测输出，包含河道洪水全过程全方位的水深与流速；W* l,i是第l层网络第i个神经元的权重；σl,i是第l层网络第i个神经元的激活函数；Input是第l-1层的输入信息；b* l,i是第l层网络第i个神经元的偏置；x,y,t是神经网络的时空位置输入；θ是神经网络模型的最优参数组合，包含W和b。

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福州大学，其通讯地址为：350108 福建省福州市福州大学城乌龙江北大道2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”。