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！

龙图腾网获悉安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)申请的专利基于神经网络与不确定性感知的水库水位预测方法及介质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：CN120851400B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511369385.3，技术领域涉及：G06Q10/063；该发明授权基于神经网络与不确定性感知的水库水位预测方法及介质是由王铭铭;刘斌斌;刘怀利;朱小磊;孙晶晶;杨剑;夏冰冰设计研发完成，并于2025-09-24向国家知识产权局提交的专利申请。

本基于神经网络与不确定性感知的水库水位预测方法及介质在说明书摘要公布了：本发明公开了一种基于神经网络与不确定性感知的水库水位预测方法及介质，该方法对多变量水文时序数据进行多尺度特征分解；随后，并行地对系统运行的宏观状态与微观异常度进行联合识别；接着，构建一个包含多个专家子网络及门控网络的混合专家MoE神经网络架构；通过设计一种不确定性感知的动态权重分配机制，利用先前识别的异常度来实时调控门控网络中Softmax函数的温度参数，从而在系统进入未知模式时强制进行更保守的决策；最后，对模型预测结果进行加权融合，并对整个系统进行端到端的优化。该方法有效克服了传统模型在面对数据分布外模式时的泛化能力不足问题，显著提升了预测的鲁棒性和精度。

本发明授权基于神经网络与不确定性感知的水库水位预测方法及介质在权利要求书中公布了：1.一种基于神经网络与不确定性感知的水库水位预测方法，其特征在于，通过计算机设备执行以下步骤： S100、采集多变量水文序列数据，应用多尺度分解技术生成分别代表不同时间频率的多个特征子序列； S200、通过无监督聚类和异常检测算法处理多变量水文时间序列数据，确定宏观运行状态标签并计算量化异常分数； S300、构建混合专家网络处理步骤S100的特征子序列及宏观运行状态标签； S400、基于混合专家网络和量化异常分数进行不确定性感知权重调控； S500、根据不确定性感知权重调控结果预测融合与端到端优化，获取最终水位预测值； 其中，步骤S300中混合专家网络构建方法包括： S310、定义专家子网络； 根据步骤S220中确定的状态数量，构建个独立的专家子网络，记为； 专家的输入是步骤S130中生成的多尺度特征矩阵的一个时间窗口切片； 对于任意时间点，用于预测下一时刻的输入序列记为，其中是预设的时间步长； 该输入序列定义为： 专家在时刻的输出是一个标量，代表其对下一时刻目标变量的独立预测值；其函数关系可表示为： 其中，代表专家网络的所有可训练参数； S320、定义门控网络； 构建一个门控网络，根据当前时刻的系统状态，为每一个专家分配一个权重； 门控网络的输入是步骤S210中定义的、在时刻的标准化原始水文数据向量 门控网络的输出是一个维的向量，记为，它代表了门控网络对每个专家的初步倾向性，其输出层为线性激活函数； 其函数关系可表示为： 其中，代表门控网络的所有可训练参数； 步骤S400中不确定性感知权重调控方法包括： S410、不确定性度量获取与标准化； 利用在时刻的异常分数作为系统不确定性的度量，首先对整个异常分数向量进行范围缩放，以将其值域映射到对应区间； 对于任意时刻的归一化异常分数，其计算公式如下： 其中，是整个异常分数向量中的最小值，是整个异常分数向量中的最大值； 得到一个标准化的不确定性度量，其值接近0表示常规状态，接近1表示高度异常状态； S420、根据标准化的不确定性度量计算动态温度； 定义一个动态温度参数，动态温度参数值由标准化的不确定性度量线性决定，动态温度参数Tt公式如下 其中是一个预设的、大于0的超参数，被称为敏感度系数，该系数控制了温度对不确定性的响应强度； 依据此公式： 1当系统处于常规状态时，，则 2当系统进入异常状态时，，则会显著大于1 S430、应用动态温度Softmax函数处理动态温度数据，获取专家权重向量； 将步骤S320中门控网络输出的logits向量应用一个由动态温度调控的Softmax函数，以计算出最终的、经过不确定性调整的专家权重向量； 向量中的第个元素的计算公式为： 该公式通过将每个logit值除以温度参数来对其进行缩放；当温度升高时，所有logit之间的差异被缩小。

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安徽省(水利部淮河水利委员会)水利科学研究院(安徽省水利工程质量检测中心站)，其通讯地址为：230088 安徽省合肥市高新区红枫路55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。