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！

龙图腾网获悉浙江大学申请的专利一种基于Phy-STNN模型的排水管网冒溢预测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：CN120873424B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202510743137.4，技术领域涉及：G06F18/20；该发明授权一种基于Phy-STNN模型的排水管网冒溢预测方法是由马一祎;李泓林;张土乔;郭恬瑜;肖元浩设计研发完成，并于2025-06-05向国家知识产权局提交的专利申请。

本一种基于Phy-STNN模型的排水管网冒溢预测方法在说明书摘要公布了：本发明公开了一种基于Phy‑STNN模型的排水管网冒溢预测方法，包括对校核后的SWMM模型进行率定，并基于芝加哥雨型生成多场降雨数据；然后将排水管网建模为带节点特征和边特征的无向图，并构建PyG格式的数据集；采用GNN与LSTM串联的时空神经网络架构，提取空间特征并捕捉时间关联；在神经网络输出端嵌入可微分物理层，通过连续性方程等物理约束与混合损失函数保证预测结果的物理一致性；最后通过分阶段训练与动态正则化策对模型进行优化，并以R²、MAPE、RMSE等指标进行评估，在常规降雨、极端暴雨及管网故障等场景下，均能实现高精度、鲁棒性的排水管网冒溢预警，能够为智慧排水与防涝调度提供有力的技术支撑。

本发明授权一种基于Phy-STNN模型的排水管网冒溢预测方法在权利要求书中公布了：1.一种基于Phy-STNN模型的排水管网冒溢预测方法，其特征在于：包括以下步骤： S1：数据集预处理及构建 通过率定和校核后的SWMM模型和芝加哥雨型生成器共同构建Phy-STNN模型的训练数据集，训练数据集为校核后SWMM模型对芝加哥雨型生成器的数据模拟排水管网水力状态，输出数据经归一化处理后形成时空序列训练样本； S2：排水管网图神经网络建模 ①、图结构构建： 将城市排水管网抽象为无向图G=V，E，其中V表示节点集合，每个节点代表城市排水系统中的关键检查井；E表示边集合，每条边代表关键检查井之间的管道连接视为无向边； ②、PyG格式数据集构建 提取每个节点的历史水深和降雨强度特征，每段管道的入流、出流流量物理参数，并以PyTorchGeometric数据格式组织x、edge_index、edge_attr和y; S3：时空神经网络架构搭建 通过图神经网络GNN与长短时记忆神经网络LSTM串联式耦合，GNN在每个时刻提取空间特征，再将该特征送入LSTM模型中捕捉时间依赖特征，后接全连接层，输出各个节点预测水深； S4：物理信息约束融合 通过机理嵌入正则化与可微分物理层实现水量平衡定律与时空神经网络Phy-STNN的深度耦合； 可微分物理层设计，在输出端嵌入物理校验层，确保预测结果严格满足： 确保节点满足连续性方程： 其中，hv表示节点v的水深，m；Av表示检查井横截面积，m2；qin表示管段的入流流量，m3s；qout表示管段的出流流量，m3s； 采用中心差分法对水深的时间导数离散化： 其中，，Δt为时间步长为1分钟； 构建物理数据混合损失函数，总损失函数为： 其中，数据损失为 物理损失为 边界约束损失为 S5：Phy-STNN模型训练及调优 S6：Phy-STNN模型评估及实验设计 S7：冒溢预测 基于训练完成的Phy-STNN模型，输入未来时段的降雨强度序列和检查井初始水深，模型预测未来一段时间内排水管网中检查井的水深变化过程。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区余杭塘路866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。