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！

龙图腾网获悉河海大学申请的专利一种基于混合模型的强人类活动影响流域洪水预报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：CN121167279B 。

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：202511704232.X，技术领域涉及：G06F18/213；该发明授权一种基于混合模型的强人类活动影响流域洪水预报方法是由司伟;张永康;石朋;瞿思敏;江鹏;杨小强;孙逸群;方张煜;黄婧妍;裴军;杜昊轩;李焕玉设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种基于混合模型的强人类活动影响流域洪水预报方法在说明书摘要公布了：本发明公开了一种基于混合模型的强人类活动影响流域洪水预报方法，先构建结合子流域划分与马斯京根法的分布式水文模型并率定；再以水文模型模拟误差和基于河道传播时间的多步长流域平均降水为特征，用贝叶斯优化的LSTM构建误差修正模型；最后耦合两模型实现实时预报。通过兰溪流域验证表明，混合模型较传统模型纳什效率系数显著提升，洪峰相对误差≤8%、峰现时差≤2小时，12小时预见期内精度稳定，本发明不需要长系列连续不中断的历史资料作为支撑，只需要场次洪水期间的资料即可，适用于缺资料强人类活动流域的小时尺度洪水预报，为防洪减灾提供了高效可靠的技术手段，具有广阔的工程应用前景。

本发明授权一种基于混合模型的强人类活动影响流域洪水预报方法在权利要求书中公布了：1.一种基于混合模型的强人类活动影响流域洪水预报方法，其特征在于，包括以下步骤： 步骤S1：构建水文模型，具体包括如下步骤： S11：基于自然水系划分子流域：对原始DEM数据进行处理，生成河流链接并利用分水岭分割预报流域得到初始子流域，结合雨量站分布及密度，调整初始子流域大小，得到目标子流域； S12：河系拓扑关系构建与马斯京根河段划分：对目标子流域编号并构建河系拓扑关系，结合河道长度、河道比降及河道汇流时间，划分马斯京根河段数； S13：分布式水文模型参数率定：采用人机交互参数率定方法，以径流深相对误差、洪峰相对误差、纳什效率系数NSE和峰现时差作为目标函数，对分布式水文模型的参数进行优选，得到率定后的分布式水文模型； 步骤S2：构建混合模型，具体包括如下步骤： S21：计算历史水文模型模拟误差序列：基于历史实测流量Q0与率定后分布式水文模型输出的历史计算流量Qc，计算得到历史水文模型模拟误差序列； S22：确定深度学习模型的输入特征及特征步长：以前期多步长流域平均降水及历史水文模型模拟误差作为输入特征；其中，流域平均降水基于目标子流域的权重计算； 以距离预报断面最远的目标子流域的河道传播时间作为特征步长TL，所述河道传播时间通过马斯京根河段数与单个马斯京根河段的传播时间KE计算得到； S23：构建深度学习误差修正模型：基于步骤S22中输入特征及特征步长构建样本集，将样本集划分为训练集与验证集并分别归一化，构建深度学习模型网络结构，采用贝叶斯优化算法优化超参数，并利用训练集进行训练，得到深度学习误差修正模型； 步骤S3：实时洪水预报：通过率定后的分布式水文模型输出当前时刻前Tc小时的历史计算流量及未来72小时的初始预报流量，其中Tc＞特征步长；基于当前时刻前Tc小时中的前特征步长的历史计算流量与对应时段的历史实测流量，计算得到对应时段的历史水文模型模拟误差；将前特征步长的流域平均降水及历史水文模型模拟误差输入深度学习误差修正模型，计算当前时刻的预报误差并滚动获取未来多个预见期的预报误差；结合初始预报流量与对应预见期的预报误差，得到修正后的预报流量。

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河海大学，其通讯地址为：210000 江苏省南京市鼓楼区西康路1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。