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！

龙图腾网获悉国家海洋技术中心申请的专利一种基于RBF神经网络的深海海啸波检测方法及装置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：CN119962725B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202510019686.7，技术领域涉及：G06Q10/04；该发明授权一种基于RBF神经网络的深海海啸波检测方法及装置是由张晓娟;刘颉;商红梅;张毅;梁捷设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本一种基于RBF神经网络的深海海啸波检测方法及装置在说明书摘要公布了：本发明涉及海洋监测技术和海洋防灾减灾技术领域，公开了一种基于RBF神经网络的深海海啸波检测方法及装置，包括：S1利用深海海底压力传感器采集原始数据，从所述原始数据中选取特定天数的数据作为输入数据，所述输入数据单个样本为向量形式，即从固定时间序列窗口选取n个采样点作为神经网络的输入数据向量，以步长1滑动时间序列窗口，依次抽取采样点向量组成RBF神经网络的训练集，每个输入数据向量对应的需预测采样点数据向量的实际测量值作为每组输入数据向量的监督向量值，将全部所述监督向量值组成目标集等；该方法可以提高潮汐波预测精度，降低预测出现大误差的概率，从而降低虚警率、误报率，增加算法鲁棒性和智能化水准。

本发明授权一种基于RBF神经网络的深海海啸波检测方法及装置在权利要求书中公布了：1.一种基于RBF神经网络的深海海啸波检测方法，其特征在于，包括： S1，利用深海海底压力传感器采集原始数据，从所述原始数据中选取特定天数的数据作为输入数据，所述输入数据单个样本为向量形式，即从固定时间序列窗口选取n个采样点作为数据神经网络的输入数据向量，以步长1滑动时间序列窗口，依次抽取采样点向量组成RBF神经网络的训练集，每个输入数据向量对应的需预测采样点数据向量的实际测量值作为每组输入数据向量的监督向量值，将全部所述监督向量值组成目标集； S2，对训练集和目标集的数据进行归一化处理； S3，将归一化的训练集数据与RBF神经网络隐含层的高斯核函数的四维中心向量进行欧氏距离计算，进而实现输入数据核函数投影到隐含层节点数的高维空间，隐含层各节点的输出值加权求和后得到目标值的预测值； S4，利用误差平方和作为神经网络训练目标函数，进行误差反向传播，进而调整输出层权值和隐含层高斯核函数的中心值和扩展函数值，增加隐含层节点数目，神经网络预测值集的误差均方根降低，RBF神经网络中隐含层节点数目和神经网络预测值集的误差均方根成正比，依据预测误差精度选择隐含层神经元节点数；对神经网络训练的目标函数进行误差反向传播，进而调整输出层权值和隐含层高斯核函数的中心值和扩展函数值，以误差梯度下降的最小值或整个训练样本的循环迭代次数作为神经网络外部循环停止训练条件；以全部训练集样本的批处理或者随机处理遍历作为内循环停止条件； S5，依据训练好的神经网络参数，预测潮汐波数据，比较目标值的预测值与目标值之间的差值； S6，将至少一个所述差值与门限值进行比较，判定是否发生海啸波； 所述RBF神经网络结构的向量形式为： ； 其中，表示隐含层扩展常数平方的倒数向量,表示输出层偏置向量，表示隐含层到输出层的权重向量，表示径向基函数； 所述RBF神经网络结构的普通函数形式为： ； 其中，为单输出值，为一小段时间采样平均值，为隐含层节点数，为当前时刻输入数据时间基准向量，为加上预测值时间点相对于输入采样数据起点的增加时间值，为输入向量与当前时间相差的时间差的倍数，为第个径向基函数的中心点向量，为第个径向基函数的扩展常数，为层第个输入到下一层神经元第个节点的权值系数，为输出偏置，目标向量维度为1，为精度满足要求时的隐含层节点数，为pureline激活函数； 所述S4中， 进行误差梯度下降权值、参数调整计算采用的损失公式为： ； 其中，为误差平方和，为输出序号，为监督值，为输出值，为与该权值有关的神经元节点数目； 权值调整公式为： ； 其中，为学习速率，为迭代次数，为层号，为与该权值有关的神经元节点数目，为第次迭代第个输出节点值的预测误差对权重系数求偏导。

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国家海洋技术中心，其通讯地址为：300111 天津市南开区芥园西道219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。