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！

龙图腾网获悉华中科技大学申请的专利一种双向率定的双驱动水文预报建模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：CN120974315B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511094614.5，技术领域涉及：G06F18/2415；该发明授权一种双向率定的双驱动水文预报建模方法及系统是由郭俊;刘懿;常新雨;胡海;肖阳;张圣楚;刘心怡设计研发完成，并于2025-08-06向国家知识产权局提交的专利申请。

本一种双向率定的双驱动水文预报建模方法及系统在说明书摘要公布了：本发明提供双向率定的双驱动水文预报建模方法及系统,正向率定得到产流子模型和汇流子模型；采用正向率定后的汇流子模型，以流域出口断面径流观测数据为已知反向推导出产流量理想值；以产流量理想值为标签对深度学习产流量预测模型训练，并得到深度学习产流量预测值；以深度学习产流量预测值为正向率定后的汇流子模型输入，对正向率定后的汇流子模型进行二次正向率定，训练完成的深度学习产流量预测模型和二次正向率定后的汇流子模型形成水文预报模型。本发明通过双向率定机制和耦合物理机制与深度学习方法，有效提升模型的非线性拟合能力和水文预报精度，降低对长期高质量实测数据的依赖，增强模型的适应性和泛化能力，具有广泛的行业应用前景。

本发明授权一种双向率定的双驱动水文预报建模方法及系统在权利要求书中公布了：1.一种双向率定的双驱动水文预报建模方法，其特征在于，包括以下步骤： 步骤S1，获取按时序排列的多个训练样本，形成训练样本集；每个所述训练样本代表对应时段的流域物理量多维观测数据；每个所述训练样本的原始标签为对应时段的流域出口断面径流观测数据； 步骤S2，构建物理机制水文预报模型；所述物理机制水文预报模型包括串联的产流子模型和汇流子模型； 产流子模型为：           2                      3其中：为时段时的土壤湿度；为动态下渗阈值，与相关；为取正函数；、、k、为产流子模型的模型参数；为产流子模型输出的产流量模拟值； 汇流子模型为：                    4其中：T为单位线的长度；为时间尺度；为在时段时的产流量模拟值；为基准单位线；为时变非线性指数，与流域面平均雨量正相关；和为汇流子模型的模型参数；为采用其他相应时段训练样本进行训练时记录下的产流量模拟值；为汇流子模型输出的流域出口断面径流模拟值； 步骤S3，采用所述训练样本集，以流域出口断面径流观测数据作为标签，对所述物理机制水文预报模型进行正向率定，确定产流子模型的模型参数以及汇流子模型的模型参数，从而得到正向率定后的产流子模型和正向率定后的汇流子模型； 步骤S4，采用所述正向率定后的汇流子模型，以每个所述训练样本的流域出口断面径流观测数据为已知值，反向推导得到每个所述训练样本对应的产流量理想值； 步骤S5，构建深度学习产流量预测模型；采用所述训练样本集，以所述产流量理想值作为标签，对所述深度学习产流量预测模型进行训练，得到训练完成的深度学习产流量预测模型； 将每个所述训练样本输入所述训练完成的深度学习产流量预测模型，得到每个所述训练样本对应的深度学习产流量预测值； 步骤S6，采用所述训练样本集，以深度学习产流量预测值作为所述正向率定后的汇流子模型的输入，以流域出口断面径流观测数据作为标签，采用所述训练样本集对所述正向率定后的汇流子模型进行二次正向率定，优化所述正向率定后的汇流子模型的模型参数，从而得到二次正向率定后的汇流子模型； 步骤S7，所述训练完成的深度学习产流量预测模型和所述二次正向率定后的汇流子模型串联，形成最终建模到的双向率定的物理机制与深度学习双驱动的水文预报模型。

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华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037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。