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;水利部交通运输部国家能源局南京水利科学研究院;武汉大学申请的专利基于LSTM-KAN和物理引导机制的径流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：CN121502313B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610048321.1，技术领域涉及：G06F18/213；该发明授权基于LSTM-KAN和物理引导机制的径流预报方法是由李晓东;郭杰良;关铁生;尹鑫;王峰;张海滨;陶佳辉;倪玲玲;方张煜设计研发完成，并于2026-01-14向国家知识产权局提交的专利申请。

本基于LSTM-KAN和物理引导机制的径流预报方法在说明书摘要公布了：本发明公开了一种基于LSTM‑KAN和物理引导机制的径流预报方法，包括：利用时序特征提取网络对历史气象强迫序列进行编码，生成高维动态特征向量；将历史气象强迫序列输入多物理机制状态模型，计算并输出当前时刻的多物理机制状态向量；将高维动态特征向量和历史径流观测序列输入并行设置的极端径流表征网络与正常径流表征网络，分别生成极端径流预报分量与正常径流预报分量；根据多物理机制状态向量计算物理引导融合权重，据此对极端径流预报分量与正常径流预报分量进行加权融合，生成最终径流预报结果。本发明有效解决了现有技术中产流机制刻画单一、极端事件定义静态化以及表征特征冗余的问题，提升了径流预报的精度与物理可解释性。

本发明授权基于LSTM-KAN和物理引导机制的径流预报方法在权利要求书中公布了：1.基于LSTM-KAN和物理引导机制的径流预报方法，其特征在于，包括： 接收流域的历史气象强迫序列和历史径流观测序列； 利用时序特征提取网络对历史气象强迫序列进行编码，生成反映气象要素随时间演化的高维动态特征向量； 将历史气象强迫序列输入包含地表产流、壤中产流及基流补给机制的多物理机制状态模型，计算并输出当前时刻的多物理机制状态向量； 将高维动态特征向量和历史径流观测序列输入并行设置的极端径流表征网络与正常径流表征网络，分别生成极端径流预报分量与正常径流预报分量； 根据多物理机制状态向量计算物理引导融合权重，据此对极端径流预报分量与正常径流预报分量进行加权融合，生成最终径流预报结果； 计算物理引导融合权重，包括： 将多物理机制状态向量与高维动态特征向量进行拼接，构建用于识别主导产流机制的机制判别输入向量； 将机制判别输入向量输入预配置的机制概率计算网络，通过归一化指数函数计算得到物理机制概率向量，所述物理机制概率向量包含分别对应于地表产流机制、壤中产流机制及基流补给机制的概率分量； 基于物理机制概率向量，生成用于调控极端径流预报分量与正常径流预报分量贡献比例的物理引导融合权重； 分别生成极端径流预报分量与正常径流预报分量，包括基于以下公式构建场景条件向量并执行表征学习： cft=ConcatSphyst，πt，rft； cnt=ConcatSphyst，πt，rnt； zft=Concatht，yl，cft； znt=Concatht，yl，cnt； y*fart，Ffar=KANfarzft； y*neart，Fnear=KANnearznt； 其中，Concat表示向量拼接操作；cft与cnt分别为极端场景条件向量与正常场景条件向量；rft与rnt分别为基于历史径流统计特征计算的极端度量因子与正常度量因子；zft与znt分别为极端径流表征网络KANfar与正常径流表征网络KANnear的输入向量；y*fart与y*neart分别为输出的极端径流预报分量与正常径流预报分量；Ffar与Fnear分别为网络提取的极端表征中间特征矩阵与正常表征中间特征矩阵；yl为历史径流观测序列；Sphyst为t时刻的多物理机制状态向量；πt为物理机制概率向量；ht为高维动态特征向量。

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;水利部交通运输部国家能源局南京水利科学研究院;武汉大学，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。