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！

龙图腾网获悉中国水利水电科学研究院申请的专利一种基于卫星遥感多源数据融合与时空Transformer的山洪灾害动态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：CN120781158B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202510851298.5，技术领域涉及：G06F18/241；该发明授权一种基于卫星遥感多源数据融合与时空Transformer的山洪灾害动态预测方法是由刘潇;刘荣华;谢敏;翟晓燕;窦延虹;王雪梅;章跃芬设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本一种基于卫星遥感多源数据融合与时空Transformer的山洪灾害动态预测方法在说明书摘要公布了：本发明提供了一种基于卫星遥感多源数据融合与时空Transformer的山洪灾害动态预测方法，包括多源数据采集与融合，特征提取与降维，模型构建与训练以及山洪风险评估与预测。本发明深度融合先进的数据融合算法与时空Transformer网络架构，对卫星遥感获取的降雨分布、地形地貌、植被覆盖等多源异构数据进行高效处理。时空Transformer网络凭借其强大的注意力机制，能够精准捕捉山洪灾害发生发展过程中各影响因素在时空维度上的耦合关系与动态演变规律，相比现有的基于卫星遥感与深度学习的同类技术，突破性地提升了对山洪灾害的预测精度，为灾害预警和应急决策提供更可靠的数据支撑。

本发明授权一种基于卫星遥感多源数据融合与时空Transformer的山洪灾害动态预测方法在权利要求书中公布了：1.一种基于卫星遥感多源数据融合与时空Transformer的山洪灾害动态预测方法，其特征在于，所述方法包括以下步骤： 步骤1，多源数据采集与融合 S11，数据采集：采集高时空分辨率卫星遥感数据，同时实时收集地面监测站数据； S12，数据融合：采用改进的卡尔曼滤波算法进行数据融合，考虑数据的时空动态特性，其融合公式如下： 式中，是k时刻基于k-1时刻信息的预测状态，A是状态转移矩阵，是k-1时刻的最优估计状态，B是控制矩阵，uk-1是控制输入，Pk|k-1是预测误差协方差，Pk-1|k-1是k-1时刻的最优估计误差协方差，T是转置，Q是过程噪声协方差，Kk是卡尔曼增益，H是观测矩阵，Zk是观测值，R是观测噪声协方差，是k时刻的最优估计状态，是k时刻基于k-1时刻信息的预测状态，Pk|k是最优估计误差协方差； 步骤2，特征提取与降维 S21，特征提取： 提取包括地形因子、水文因子、气象因子在内的传统特征，将步骤1得到的融合数据与传统特征组合成多维数据矩阵；将多维数据矩阵输入时空Transformer网络、利用时空Transformer网络按照自注意力机制公式对数据进行处理，从不同维度中提取时空特征； Transformer中的自注意力机制公式为： 式中，E、F、V分别是查询、键、值矩阵，dk是键向量的维度，T是转置； S22，降维处理： 得到特征矩阵后，先采用主成分分析方法对数据进行初步降维，再利用局部线性嵌入方法进一步对数据进行局部特征保持降维，去除冗余信息，得到低维特征向量； 步骤3，模型构建与训练 S31，时空Transformer预测模型的构建： 构建基于时空Transformer的预测模型，模型由多个Transformer块堆叠而成，每个块包含多头自注意力层、前馈神经网络层以及层归一化层； 将步骤2得到的所述低维特征向量作为输入数据，且所述低维特征向量以多维张量形式表示，维度包括时间步数、空间分辨率和特征数； S32，模型训练与优化： 使用历史山洪数据进行监督学习，将数据集按比例划分为训练集、验证集和测试集；训练过程中采用自适应学习率调整策略，其更新公式为： 式中，mt和vt分别是梯度的一阶矩估计和二阶矩估计，mt-1、vt-1分别是梯度第t-1步的一阶矩估计和二阶矩估计，β1和β2是矩估计的衰减率，gt是当前时刻的梯度，和是修正后的矩估计，θt是当前时刻的模型参数，θt-1是t-1时刻的模型参数，η是学习率，∈是防止分母为零的小常数，λ是权重衰减系数； 步骤4，山洪风险评估与预测 S41，风险指数计算： 将步骤3训练好的时空Transformer预测模型应用于测试数据，得到模型预测结果；根据模型预测结果、同时考虑包括降水强度、地形坡度、土壤湿度在内的多个影响因子，结合贝叶斯概率模型计算山洪风险指数FRI，其计算公式为： 式中，n是影响因子的总数，wi是第i个影响因子的权重，Pxi|y是在已知山洪发生情况y下，第i个影响因子xi出现的概率，通过贝叶斯公式计算： 式中，Py|xi是在第i个影响因子xi条件下山洪发生的概率，Pxi是第i个影响因子的先验概率，u是贝叶斯公式分母中的归一化项覆盖的影响因子总数，Py|xj是在第j个影响因子xj条件下山洪发生的概率，Pxj是第j个影响因子的先验概率； S42，风险等级划分与预测： 根据S41计算得到的FRI值，将山洪风险划分为低、中、高三个等级，具体的： 设定相应阈值，如FRI低于阈值T1为低风险，介于T1和T2之间为中等风险，高于T2为高风险； 通过模型预测得到不同区域的FRI值，从而实现对山洪灾害的动态预测。

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国水利水电科学研究院，其通讯地址为：100048 北京市海淀区车公庄西路20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。