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！

龙图腾网获悉武汉珞水智能科技有限公司申请的专利一种基于ARIMA-HRNN的多维实时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：CN115526094B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202111446605.X，技术领域涉及：G06F30/27；该发明授权一种基于ARIMA-HRNN的多维实时洪水预报方法是由万俊;于耀翔设计研发完成，并于2021-11-30向国家知识产权局提交的专利申请。

本一种基于ARIMA-HRNN的多维实时洪水预报方法在说明书摘要公布了：本发明涉及洪水预报技术领域IPC分类号：G06Q1004，尤其涉及一种基于ARIMA‑HRNN的多维实时洪水预报方法。包括以下步骤：S1.采用卷积核函数来平滑局部噪声；S2.使用HRNN进行特征提取；S3.采用了时间序列注意力机制，对上游水库的流出流量、降雨等输入向量分配各种注意力权重；S4.采用ARIMA添加线性分量增强预测；S5.添加权重平均模块将HRNN输出结果与ARIMA回归值加权平均融合。本发明将动态回归模块和深度学习模块的输出结合起来进行融合，并在预测结果中加入线性成分，使预测结果能够适应由于尺度转换而导致的输入期尺度的变化。此外，ARIMA‑HRNN模型可以有效地描述水库洪水预报过程中的完整洪水过程，从而提高了洪水预报在实际预报时的精度。

本发明授权一种基于ARIMA-HRNN的多维实时洪水预报方法在权利要求书中公布了：1.一种基于ARIMA-HRNN的多维实时洪水预报方法，其特征在于，包括以下步骤： S1.采用卷积核函数来平滑局部噪声； S2.使用HRNN进行特征提取； S3.采用了时间序列注意力机制，对上游水库的流出流量、降雨输入向量分配各种注意力权重； S4.采用ARIMA添加线性分量增强预测； S5.添加权重平均模块将HRNN输出结果与ARIMA回归值加权平均融合； 所述S2中的HRNN中在提取多维特征时使用了CNN；所述S2中的特征提取为提取洪水的峰值特征；所述S2包括以下子步骤： S21.将CNN提取的特征矩阵作为输入； S22.使用Bi-LSTM作为循环单元，信息进入LSTM； S23.通过遗忘门从主信息流中丢弃一些无用的信息，按下式进行处理： 式中，为遗忘门输出；为遗忘权重矩阵；为上一时刻网络状态；为当前输入；为遗忘门偏置； S24.确定信息的更新情况； S25.通过输出门确定输出的信息； 所述S3包括以下子步骤： S31.通过点积形式来计算注意力权重； S32.通过softmax函数概率计算注意力权重，得到概率向量； S33.将Bi-LSTM生成的隐藏状态h与相应的注意力概率向量相乘，得到其加权值； S34.通过注意力层的输出和LSTM的输出之后，模型将两个模块的输出结果相加； 所述S5中加权平均的方式为使用动态调整加权因子的算法来对ARIMA-HRNN模型的输出进行加权平均； 所述ARIMA-HRNN模型的加权平均确定方法按以下方式实现：设定与表示模型HRNN以及ARIMA的权重，用，表示模型HRNN与ARIMA在未来T个时段的预测值，用R表示测试集中未来T个时段的真实值，定义的损失函数:当权重向量为时，求预测的T个时段的组合模型的预测结果和真实值之间的均方根误差，值越小，代表组合模型预测结果越接近真实值，模型准确度越高，每次进行预测，都从中挑选出值最小的权重向量进行对模型集成，能够得到均方根误差最小的组合模型，为了挑选出最合适的，公式如下: 式中：为损失函数；为权重向量；为某个时段的预测值。

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珞水智能科技有限公司，其通讯地址为：430074 湖北省武汉市东湖新技术开发区光谷大道58号关南福星医药园4栋8层08室-5号(自贸区武汉片区)；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。