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！

龙图腾网获悉中山大学申请的专利基于SWOT遥感数据的一种缺资料地区山洪水文水动力模型构建及参数率定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：CN120197560B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202510686359.7，技术领域涉及：G06F30/28；该发明授权基于SWOT遥感数据的一种缺资料地区山洪水文水动力模型构建及参数率定方法是由肖名忠;刘嘉欣;林凯荣设计研发完成，并于2025-05-27向国家知识产权局提交的专利申请。

本基于SWOT遥感数据的一种缺资料地区山洪水文水动力模型构建及参数率定方法在说明书摘要公布了：本申请公开了基于SWOT遥感数据的一种缺资料地区山洪水文水动力模型构建及参数率定方法，涉及水文水动力模拟和山洪灾害预警技术领域，方法包括：根据SWOT卫星遥感数据及土壤静态环境数据，计算目标区域内每一观测点的观测水深；基于元胞自动机，构建初始山洪水文水动力模型；基于初始山洪水文水动力模型及预设机器学习模型构建可微参数学习框架；对可微参数学习框架进行训练，以优化预设机器学习模型的模型参数，并确定对应最优的水文水动力参数；根据最优的水文水动力参数及初始山洪水文水动力模型，确定最终山洪水文水动力模型。本申请能够实现高效、精确、自动化的参数率定，从而提高洪水建模的准确性、时效性和可靠性。

本发明授权基于SWOT遥感数据的一种缺资料地区山洪水文水动力模型构建及参数率定方法在权利要求书中公布了：1.基于SWOT遥感数据的一种缺资料地区山洪水文水动力模型构建及参数率定方法，其特征在于，所述方法包括： 获取目标区域的土壤静态环境数据、环境驱动样本数据及对应的SWOT卫星遥感数据；所述土壤静态环境数据包括土壤厚度数据、土地利用数据及土壤类型数据； 根据所述SWOT卫星遥感数据及所述土壤静态环境数据，计算所述目标区域内每一观测点的观测水深；所述土壤静态环境数据、所述环境驱动样本数据及对应的所有观测点的观测水深构成一个训练样本，多个所述训练样本构成训练样本集； 基于元胞自动机，根据所述土壤静态环境数据构建初始山洪水文水动力模型；所述初始山洪水文水动力模型包含水文水动力参数； 基于所述初始山洪水文水动力模型及预设机器学习模型，构建可微参数学习框架；所述可微参数学习框架表示为： ； 其中，为第i个元胞t时刻的模拟水深；为第i个元胞t时刻的环境驱动样本数据；为第i个元胞土壤静态环境数据；为第i个元胞水文水动力参数； 采用所述训练样本集，对所述可微参数学习框架进行训练，以优化所述预设机器学习模型的模型参数，并确定对应最优的水文水动力参数；包括： 在一次训练迭代过程中，将所述土壤厚度数据、所述土地利用数据及所述土壤类型数据输入至所述可微参数学习框架中，由所述预设机器学习模型生成预测水文水动力参数； 将所述预测水文水动力参数输入至所述可微参数学习框架中的初始山洪水文水动力模型中进行参数更新，然后在所述环境驱动样本数据的驱动下，进行山洪水文水动力模拟，得到所有观测点的模拟水深； 在未达到预设训练停止条件时，基于所述环境驱动样本数据对应的所有观测点的观测水深、所有观测点的模拟水深计算损失函数，并利用损失函数计算梯度对所述预设机器学习模型进行模型参数的优化处理，然后进入下一次迭代训练；不同的迭代训练对应不同的训练样本；所述损失函数的公式为： ； 其中，L total为损失函数的值；Ldata为数据项损失值，用于量化观测水深与模拟水深之间的误差；为物理约束项损失值，用于保证质量守恒和动量守恒；为权重参数； 在达到预设训练停止条件时，将所述预测水文水动力参数标记为最优的水文水动力参数； 根据所述最优的水文水动力参数及所述初始山洪水文水动力模型，确定最终山洪水文水动力模型。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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”。