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！

龙图腾网获悉武汉大学申请的专利基于动力学机制和机器学习的滩岸崩退预测方法及系统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：CN120336998B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202510357746.6，技术领域涉及：G06F18/2415；该发明授权基于动力学机制和机器学习的滩岸崩退预测方法及系统是由夏军强;刘雨晨;周美蓉;程亦菲设计研发完成，并于2025-03-25向国家知识产权局提交的专利申请。

本基于动力学机制和机器学习的滩岸崩退预测方法及系统在说明书摘要公布了：本发明提供一种基于动力学机制和机器学习的滩岸崩退预测方法，包括：步骤1.收集预测断面所在河段历史期基础资料数据；步骤2.对基础资料数据进行筛选并基于筛选后的基础资料数据计算特征变量、滩岸崩退概率目标变量和滩岸崩退宽度目标变量；步骤3.构建滩岸崩退概率预测模型和滩岸崩退宽度预测模型；步骤4.评估所述滩岸崩退概率预测模型和所述滩岸崩退宽度预测模型的精度；步骤5.基于滩岸崩退概率预测模型和滩岸崩退宽度预测模型分别预测未来时段的滩岸崩退概率和滩岸崩退宽度。本发明方法能够从多源历史数据中自动学习规律，考虑多因素影响，建立输入特征与输出目标之间的非线性映射关系，实现滩岸崩退的定量预测，对降低灾害风险具有重要意义。

本发明授权基于动力学机制和机器学习的滩岸崩退预测方法及系统在权利要求书中公布了：1.一种基于动力学机制和机器学习的滩岸崩退预测方法，其特征在于，包括如下步骤： 步骤1.收集预测断面所在河段历史期基础资料数据； 步骤2.对所述基础资料数据进行筛选并基于筛选后的基础资料数据计算特征变量、滩岸崩退概率目标变量和滩岸崩退宽度目标变量；所述特征变量包括：水沙条件特征变量、河床边界特征变量、前期河床变形特征变量；所述水沙条件特征变量包括：平均流量、平均含沙量、流量变差系数、未来时段与前3时段平均的水流冲刷强度、断面平均流速、流量变化率、近岸平均水深和近岸平均流速； 河床边界特征变量包括：平滩面积、平滩河宽以及河相系数；滩岸高度和坡度；深泓距岸相对距离、坡脚距岸距离、近岸最低点与深泓相对高程差以及本、对侧近岸河床相对高程差；坡脚后退宽度；床沙中值粒径；整治工程距岸距离； 前期河床变形特征变量包括：前期深泓摆动宽度和冲淤厚度、滩岸坡度变化以及滩岸变形宽度； 步骤3.对计算的特征变量进行预处理，构建滩岸崩退概率预测模型和滩岸崩退宽度预测模型，并基于预处理后的特征变量和滩岸崩退概率目标变量训练滩岸崩退概率预测模型，基于预处理后的特征变量和滩岸崩退宽度目标变量训练滩岸崩退宽度预测模型；构建滩岸崩退概率预测和滩岸崩退宽度预测模型具体为： 首先利用Lasso回归对候选特征变量进行筛选，剔除低相关性特征；随后将筛选后的特征集输入KNN模型进行训练，将特征变量数量与KNN算法的其他超参数进行联合调参，通过网格搜索确定使模型在训练集和验证集上均达到最优性能的超参数组合；基于历史期基础资料数据分别对滩岸崩退概率预测模型和崩退宽度预测模型进行训练； 步骤4.评估所述滩岸崩退概率预测模型和所述滩岸崩退宽度预测模型的精度； 步骤5.基于所述滩岸崩退概率预测模型和所述滩岸崩退宽度预测模型分别预测未来时段的滩岸崩退概率和滩岸崩退宽度。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。