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！

龙图腾网获悉长江水利委员会长江科学院申请的专利一种基于强化学习和深度学习的喀斯特流域径流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：CN119989893B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510065066.7，技术领域涉及：G06F30/27；该发明授权一种基于强化学习和深度学习的喀斯特流域径流预测方法是由王家乐;刘纪根;杨海明;王志刚;贾宝杰;张长伟;沈盛彧;孙蓓;赵元凌;刘晨曦设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于强化学习和深度学习的喀斯特流域径流预测方法在说明书摘要公布了：一种基于强化学习和深度学习的喀斯特流域径流预测方法，利用每小时的二维降雨累积图、二维气温平均图以及流域的固定地表和地下特征，通过二维卷积神经网络进行卷积降维和特征提取，将提取的小时尺度时间序列输入长短期记忆网络构建2D‑CNN‑LSTM深度学习网络，基于改进奖励函数的DQN算法对2D‑CNN‑LSTM网络的超参数进行优化，将优化后的超参数配置到2D‑CNN‑LSTM网络，通过训练数据集对2D‑CNN‑LSTM网络进行训练，使用验证数据集对完成训练后的2D‑CNN‑LSTM网络预测性能进行验证，使用通过验证后的2D‑CNN‑LSTM网络进行径流预测。本发明可提高模型对喀斯特流域径流的预测精度。

本发明授权一种基于强化学习和深度学习的喀斯特流域径流预测方法在权利要求书中公布了：1.一种基于强化学习和深度学习的喀斯特流域径流预测方法，其特征在于，包括以下步骤： 步骤1：获取流域内每小时的二维降雨累积图、二维气温平均图以及流域的固定地表和地下特征，所述流域的固定地表和地下特征包括二维土地利用图、二维土壤类型图和二维地质图； 步骤2：基于步骤1获取的数据构建模型训练和验证数据集，训练集用于模型的参数训练，验证集用于评估模型性能； 步骤3：将步骤1获取的数据作为输入，通过二维卷积神经网络2D-CNN进行卷积降维和特征提取，将提取的小时尺度时间序列输入到长短期记忆网络LSTM，构建用于径流预测的2D-CNN-LSTM深度学习网络； 步骤4：通过引入洪水预测精准度重新设计DQN算法中的奖励函数R，对DQN算法进行改进，得到基于改进奖励函数的DQN算法； 步骤5：基于改进奖励函数的DQN算法对步骤3构建的2D-CNN-LSTM网络的超参数进行优化； 步骤6：将优化后的超参数配置到2D-CNN-LSTM网络，通过训练数据集对2D-CNN-LSTM网络进行训练，保存完成训练后的2D-CNN-LSTM网络； 步骤7：使用验证数据集对完成训练后的2D-CNN-LSTM网络的预测性能进行验证； 步骤8：使用通过验证后的2D-CNN-LSTM网络进行径流预测； 步骤4中通过引入洪水预测精准度重新设计DQN算法中的奖励函数R，具体包括： 将模型预测精准度Rt与洪水预测精准度Re叠加得到奖励函数R： R=a×Rt+b×Re； 式中，a和b分别为模型预测精准度和洪水预测精准度权重系数；模型预测精准度Rt的计算公式为： Rt=1-MSEt； ； 式中，为模型预测的均方误差，n是数据点的数量，yi是第i个数据点的真实值；是模型对第i个数据点的预测值； 洪水预测精准度Re的计算公式为： Re=1-MSEe； ； 式中，MSEe为洪水预测的均方误差，ne是超警戒洪水数据点的数量，yei是第i个超警戒洪水数据点的真实值；是模型对第i个超警戒洪水数据点的预测值。

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长江水利委员会长江科学院，其通讯地址为：430010 湖北省武汉市黄浦大街23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”。