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多源信息融合的小流域降水估计方法、设备及存储设备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：CN116338821B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202310129944.8，技术领域涉及：G01W1/10；该发明授权多源信息融合的小流域降水估计方法、设备及存储设备是由张挺;詹昌洵;杨丁颖;黄迎春;高帅;蒋嘉伟设计研发完成，并于2023-02-17向国家知识产权局提交的专利申请。

本多源信息融合的小流域降水估计方法、设备及存储设备在说明书摘要公布了：本发明公开了一种多源信息融合的小流域降水估计方法、设备及存储设备，方法包括以下步骤：获取卫星遥感降水数据；对降水数据进行降尺度处理，得到降水序列；获取多源信息，多源信息包括：气温序列和雨量站点历史降水序列；将多源信息与降水序列进行拼接，得到样本集；将样本集划分为训练集与测试集；构建LSTM神经网络模型；利用训练集训练所述LSTM神经网络模型，并利用测试集进行测试，得到训练好的模型；将待预测的输入数据输入至训练好的模型，得到最终降水估计值。本发明有益效果是：能提高对降水以及非降水区域的监测能力并有效解决了雨量站由于设备故障所引起的降雨序列缺失的问题，同时能够有效捕捉中高海拔山区小流域的局部暴雨。

本发明授权多源信息融合的小流域降水估计方法、设备及存储设备在权利要求书中公布了：1.一种多源信息融合的小流域降水估计方法，其特征在于：包括： S1、获取卫星遥感降水数据； S2、对卫星遥感降水数据进行降尺度处理，得到降尺度后的降水序列； S3、获取多源信息，所述多源信息包括：气温序列和雨量站点历史降水序列； S4、将多源信息与降尺度后的降水序列进行拼接，得到样本集； S5、将样本集划分为训练集与测试集； S6、构建LSTM神经网络模型； S7、利用训练集训练所述LSTM神经网络模型，并利用测试集进行测试，得到最终训练好的模型； S8、将待预测的输入数据输入至训练好的模型，得到最终降水估计值；步骤S2具体如下： S21、以待预测区域为中心向外扩展m个栅格，收集卫星栅格中心si,i＝1,2,Λ,m所在位置的卫星降水数据； S22、使用克里金方法对空间输入向量进行降尺度处理，得到空间输出向量；其中空间输入向量Rsat＝[Rsats1,Rsats2,ΛRsatsm]T为卫星栅格中心si所在位置的卫星降水数据；空间输出向量的计算过程如下： 其中，Rdowgk为雨量站gk处卫星降水估计值；λ＝[λ1,λ2,Λ,λm]为站点权重系数，表示研究区域内Rsat对Rdowgk的贡献程度；所述空间输出向量为降尺度后的降水序列； 所述站点权重系数的计算过程如下： 构建经验变异函数γ'h和变异函数γh： 将式4转换为矩阵形式 Kλ'＝D6 λ'＝K-1D7 式2-7中，γ'h为经验变异函数，h＝||si-sj||是卫星栅格中心位置si和sj的欧几里得距离，单位为m；Nh为观测对的集合，表示落定在给定范围||si-sj||＝h内si和sj的观测对数；γh为高斯模型变异函数，通过最小化|γ'h-γh|误差来拟合高斯模型变异函数，l为有效范围，c为最大变异函数值；μ为拉格朗日乘数，γsi-sj和γsj-gk分别表示欧几里得距离为||si-sj||与||sj-gk||的变异函数值； 按式7求解λ'后，按式5得出站点权重系数λ。

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”。

以上内容由龙图腾AI智能生成。