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水库群-湖泊系统防洪风险自适应分析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：CN121436700B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202610000674.4，技术领域涉及：G06Q10/0635；该发明授权水库群-湖泊系统防洪风险自适应分析方法及系统是由徐斌;杨雪松;王慧丽;覃馨漫;朱非林;刘为锋;郭旭宁;李云玲;王心榕;任梓晨;刘耀;刘静雯设计研发完成，并于2026-01-04向国家知识产权局提交的专利申请。

本水库群-湖泊系统防洪风险自适应分析方法及系统在说明书摘要公布了：本发明公开了一种水库群‑湖泊系统防洪风险自适应分析方法及系统。方法包括：获取流域水文序列及预配置的物理因果约束矩阵，据此构建符合物理拓扑的VineCopula联合分布及初始贝叶斯网络；基于贝叶斯网络计算样本点的风险敏感权重，构造向高风险区域倾斜的加权抽样密度；基于该密度生成自适应情景集并求解最优调度方案，将调度结果反馈至贝叶斯网络更新参数，通过感知‑采样‑调度‑学习的闭环迭代，直至风险评估收敛，基于收敛后的风险因子贝叶斯网络，确定系统综合防洪风险评估结果。本发明解决了传统模型物理可解释性差及极端风险样本稀缺的问题，实现了对复杂防洪系统极端风险的精准捕捉与量化。

本发明授权水库群-湖泊系统防洪风险自适应分析方法及系统在权利要求书中公布了：1.一种水库群-湖泊系统防洪风险自适应分析方法，其特征在于，包括： 获取流域水文序列及预配置的物理因果约束矩阵，并据此构建满足物理因果拓扑约束的VineCopula联合分布模型及初始风险因子贝叶斯网络； 基于初始风险因子贝叶斯网络，计算各样本点导致系统风险指标越过预设风险阈值的后验概率，得到风险敏感权重函数； 将风险敏感权重函数耦合至VineCopula联合分布模型以构造风险加权抽样密度，并据此采样生成风险自适应情景集； 针对风险自适应情景集求解水库群最优调度方案，并将其反馈至风险因子贝叶斯网络以更新网络参数，循环执行计算风险敏感权重函数至更新网络参数的步骤，直至风险评估结果收敛； 基于收敛后的风险因子贝叶斯网络，确定系统综合防洪风险评估结果； 其中，构建满足物理因果拓扑约束的VineCopula联合分布模型及初始风险因子贝叶斯网络，包括： 基于流域水文序列确定多个风险因子，定义物理因果约束矩阵的元素Aij，若风险因子i是风险因子j的直接原因则Aij=1，若风险因子j是风险因子i的直接原因则Aij=-1，否则Aij=0； 基于流域水文序列计算风险因子两两之间的Kendall秩相关系数，并构建Kendall相关系数矩阵； 构建因果兼容边集，对于任意两个风险因子i和j，若其对应的Aij不为0，或Aij为0且Kendall秩相关系数的绝对值超过预设的相关性阈值，则将连接i和j的边加入因果兼容边集； 在因果兼容边集内搜索最大权重生成树，得到VineCopula联合分布模型的第一层树结构； 在因果兼容边集内搜索最大权重生成树，得到VineCopula联合分布模型的第一层树结构，包括： 以Kendall秩相关系数的绝对值作为边权重，在因果兼容边集上构建加权图； 初始化树节点集包含任意一个风险因子，树边集为空； 迭代执行以下步骤直至树节点集包含所有风险因子：在连接树节点集与非树节点集的候选边中，选择权重最大且属于因果兼容边集的边，将该边及其连接的非树节点分别加入树边集和树节点集； 输出树边集作为第一层树结构； 构建满足物理因果拓扑约束的VineCopula联合分布模型及初始风险因子贝叶斯网络，还包括： 基于第一层树结构确定贝叶斯网络骨架，并计算每个风险因子的因果得分，因果得分为该风险因子在物理因果约束矩阵中作为原因的次数减去作为结果的次数； 对贝叶斯网络骨架中的每条边进行定向：若连接风险因子i和j的边的Aij=1，则定向为i-j；若Aij=-1，则定向为j-i；若Aij=0，则由因果得分较高的风险因子指向因果得分较低的风险因子； 对定向后的网络进行有向无环检测与修正，得到初始风险因子贝叶斯网络。

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：210098 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。