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！

龙图腾网获悉北京大学深圳研究生院申请的专利基于U-RNN的城市内涝高分辨率时空临近预报方法及存储介质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：CN120181169B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510644873.4，技术领域涉及：G06N3/082；该发明授权基于U-RNN的城市内涝高分辨率时空临近预报方法及存储介质是由曹小䶮;秦华鹏;王宝英;姚瑶设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本基于U-RNN的城市内涝高分辨率时空临近预报方法及存储介质在说明书摘要公布了：基于U‑RNN的城市内涝高分辨率时空临近预报方法及存储介质，根据当前的降雨序列以及城市空间因子得到输入特征，将所得输入特征输入到U‑RNN中，得到城市内涝即时预报结果；所述U‑RNN在训练过程中使用滑动窗口预热训练范式；其中，所述U型循环神经网络U‑RNN与浅水方程求解器构成了反问题训练框架，基于反问题训练框架对所述U型循环神经网络U‑RNN以及所述浅水方程求解器进行交替训练，从而进行网络参数与物理参数的交替优化，得到训练完成的所述U型循环神经网络U‑RNN。通过物理参数的优化提升U‑RNN的预测准确性，再基于更高精度的预测结果继续反演优化物理参数，实现全局协调优化，从而提高系统的整体精度，实现更加快速、精准且具备高时空分辨率的城市内涝临近预报。

本发明授权基于U-RNN的城市内涝高分辨率时空临近预报方法及存储介质在权利要求书中公布了：1.基于U-RNN的城市内涝高分辨率时空临近预报方法，其特征在于，包括： 获取当前的降雨序列以及城市空间因子，所述降雨序列包括降雨强度序列和累计降雨序列，所述城市空间因子包括数字地表模型、不透水率以及排水口分布面积； 根据所述降雨序列以及城市空间因子获取输入特征； 将所得输入特征输入到一个U型循环神经网络U-RNN中，所述U-RNN的输出结果为城市内涝即时预报结果； 其中，所述U-RNN包括一个骨干网络以及多个多任务解耦头，将所述输入特征作为所述骨干网络的输入，所述骨干网络为编码-解码结构，其编码器与解码器均由多个跳跃连接的卷积门控循环单元构成；每个所述跳跃连接的卷积门控循环单元对应一个编码模块或解码模块，对于任意一个跳跃连接的卷积门控循环单元：若该跳跃连接的卷积门控循环单元属于骨干网络的编码器，则该跳跃连接的卷积门控循环单元构成了所述编码器的一个编码模块；若该跳跃连接的卷积门控循环单元属于骨干网络的解码器，则该跳跃连接的卷积门控循环单元构成了所述解码器的一个解码模块；将所述骨干网络的输出结果分别输入到每个多任务解耦头中，根据每个多任务解耦头的输出结果得到二维内涝范围以及水深值，所述二维内涝范围以及水深值被作为所述U-RNN的输出结果； 所述U-RNN的获取包括：所述U-RNN与浅水方程求解器构成了反问题训练框架，所述反问题训练框架用于对所述U-RNN以及所述浅水方程求解器进行交替训练，以对所述U-RNN的网络参数与所述浅水方程求解器的物理参数进行交替优化，得到训练完成的所述U-RNN； 其中，对所述U-RNN以及所述浅水方程求解器进行交替训练的过程，包括： 第一目标训练步骤，获取所述U-RNN的目标函数；基于浅水方程求解器的最新的物理参数以及所述目标函数，对所述U-RNN进行训练，以对所述U-RNN的网络参数进行优化更新； 第一交替条件判断步骤，判断所述U-RNN的训练轮次是否达到第一预设训练轮次，若未达到，则在第一目标训练步骤继续对所述U-RNN进行训练；否则进行交替，进行第二目标训练步骤； 第二目标训练步骤，获取所述反问题训练框架的总损失函数，所述反问题训练框架的总损失函数包括数据损失、物理损失、边界条件损失以及初始条件损失，其中，所述数据损失用以评估所述U型循环神经网络U-RNN的预测误差；所述物理损失用以评估所述U型循环神经网络U-RNN与所述浅水方程求解器的物理一致性；所述边界条件损失用以评估所述U型循环神经网络U-RNN在边界处的预测准确性；所述初始条件损失用以约束所述U型循环神经网络U-RNN在初始时刻的预测结果；基于所述U-RNN的最新的网络参数以及所述总损失函数，对所述浅水方程求解器进行多个训练轮次的训练，以对所述浅水方程求解器的物理参数进行优化更新； 第二交替条件判断步骤，判断所述浅水方程求解器的训练轮次是否达到第二预设训练轮次，若未达到，则继续在第二目标训练步骤对所述浅水方程求解器进行训练；否则进行交替，进行第一目标训练步骤。

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北京大学深圳研究生院，其通讯地址为：518055 广东省深圳市南山区西丽街道深圳大学城北大园区H栋208室；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”。