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！

龙图腾网获悉广东海洋大学申请的专利一种空间异质性极端降水事件的分型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：CN121211042B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511755847.5，技术领域涉及：G06F18/232；该发明授权一种空间异质性极端降水事件的分型方法及系统是由刘升源;涂石飞;徐建军设计研发完成，并于2025-11-27向国家知识产权局提交的专利申请。

本一种空间异质性极端降水事件的分型方法及系统在说明书摘要公布了：本发明提供了一种空间异质性极端降水事件的分型方法及系统，其中方法包括：获取预设时间尺度和空间范围内的原始降水数据，基于原始降水数据计算表征降水异常程度的标准化降水异常指数；针对每个时间点对应的标准化降水异常指数空间场，计算用于表征空间场的整体空间异质性程度的统计指标；基于统计指标的时间序列，根据预设高分位数阈值筛选出空间异质性极端事件；将空间异质性极端事件对应的标准化降水异常指数的空间分布作为输入样本，通过基于预设拓扑结构的网络模型进行无监督训练，以聚类生成空间异质性极端事件的典型空间分布模态。通过本发明，能够识别具有显著空间差异的极端事件，且分型结果客观稳定，为精细化风险评估提供了科学依据。

本发明授权一种空间异质性极端降水事件的分型方法及系统在权利要求书中公布了：1.一种空间异质性极端降水事件的分型方法，其特征在于，所述方法包括： 获取预设时间尺度和空间范围内的原始降水数据，基于所述原始降水数据计算表征降水异常程度的标准化降水异常指数； 针对每个时间点对应的标准化降水异常指数空间场，计算用于表征所述空间场的整体空间异质性程度的统计指标； 基于所述统计指标的时间序列，根据预设高分位数阈值筛选出空间异质性极端事件； 将所述空间异质性极端事件对应的标准化降水异常指数的空间分布作为输入样本，通过基于预设拓扑结构的网络模型进行无监督训练，以聚类生成所述空间异质性极端事件的典型空间分布模态，包括： 将所述空间异质性极端事件对应的标准化降水异常指数的空间分布矩阵转换为一维矩阵并进行标准化处理，生成输入特征向量； 计算所述输入特征向量的主成分，使用所述主成分初始化所述预设拓扑结构的权重向量； 选择初始邻域半径，基于所述输入特征向量和所述权重向量执行进行无监督训练，直到模型收敛终止迭代，得到各神经元的权重向量，作为所述空间异质性极端事件的典型空间分布模态； 所述通过基于预设拓扑结构的网络模型进行无监督训练之前，所述方法还包括： 获取多个候选拓扑结构，将所述空间异质性极端事件对应的标准化降水异常指数的空间分布作为输入样本，分别对基于各所述候选拓扑结构的网络模型进行预训练，计算各所述候选拓扑结构的预设性能指标，包括： 利用如下公式计算用于表征候选拓扑结构对输入样本的拟合精度的量化误差： 其中，表示量化误差；为空间异质性极端事件的数量；为第个空间异质性极端事件的标准化降水异常指数的空间分布；表示的最佳匹配单元的权重向量；表示欧里几何距离；以及， 利用如下公式计算用于表征候选拓扑结构在映射过程中保持输入空间拓扑结构能力的拓扑误差： 其中，表示拓扑误差；表示判断函数，若每个输入样本的最佳匹配单元和次佳匹配单元相邻则取值0，否则取值1；所述预设性能指标包括所述量化误差和所述拓扑误差； 根据所述预设性能指标选取最优拓扑结构，作为所述预设拓扑结构，包括； 根据所述量化误差和所述拓扑误差计算综合指标评分，数学表达式如下： 其中，Sj表示综合指标评分；QEj表示第j个候选拓扑结构的量化误差；TEj表示第j个候选拓扑结构的拓扑误差；表示升序排序函数；表示权重系数； 选择所述综合指标评分最小的候选拓扑结构，作为所述预设拓扑结构。

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广东海洋大学，其通讯地址为：524000 广东省湛江市麻章区海大路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。