買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜山東綠藤建設發展有限公司申請的專利一種基于大數據的地下水位監測與預警模型的構建方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118094230B 。

龍圖騰網通過國家知識產權局官網在2025-04-01發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410391225.8，技術領域涉及：G06F18/214；該發明授權一種基于大數據的地下水位監測與預警模型的構建方法是由王峰;李婷婷設計研發完成，并于2024-04-02向國家知識產權局提交的專利申請。

本一種基于大數據的地下水位監測與預警模型的構建方法在說明書摘要公布了：本發明涉及數據處理技術領域，尤其涉及一種基于大數據的地下水位監測與預警模型的構建方法。本發明提供的基于大數據的地下水位監測與預警模型的構建方法，將第一訓練樣本集對包含拉格朗日單元和時間序列模型的生成對抗網絡進行訓練，以擴充第一訓練樣本集，從而以提高模型的廣泛性、樣本的質量和真實性；并基于生物電流動態平衡方法訓練得到的神經網絡對目標訓練樣本集中的訓練樣本進行特征提取，從而提高特征提取效率和準確性；最后，對分類器進行訓練，以提高模型的適應性和魯棒性，進而提高地下水位監測與預警的精度以及效率。

本發明授權一種基于大數據的地下水位監測與預警模型的構建方法在權利要求書中公布了：1.一種基于大數據的地下水位監測與預警模型的構建方法，其特征在于，所述方法包括：獲取原始訓練樣本集，并對所述原始訓練樣本集中的原始訓練樣本進行標注，得到第一訓練樣本集；其中，所述原始訓練樣本是通過地面監測站點、地下水位傳感器網絡、以及輔助的遙感設備進行數據采集得到的；所述原始訓練樣本包括多個參數，所述參數至少包括地下水位深度、地下水位變化速率、地面溫度、地面濕度、降雨量和地下水溫度；應用所述第一訓練樣本集對包含拉格朗日單元和時間序列模型的生成對抗網絡進行訓練，以擴充所述第一訓練樣本集，得到目標訓練樣本集；應用預先構建的神經網絡對所述目標訓練樣本集中的訓練樣本進行特征提取，得到目標特征集；所述神經網絡為基于生物電流動態平衡方法訓練得到的；應用所述目標特征集對分類器進行訓練，輸出地下水位監測與預警結果，得到地下水位監測與預警模型；其中，所述地下水位監測與預警模型用于對地下水位進行監測與預警；其中，基于生物電流動態平衡方法訓練所述神經網絡的過程如下：初始化初始神經網絡的網絡參數、權重和偏置；針對所述初始神經網絡的每個網絡參數，將所述網絡參數賦值為初始電位值；其中，所述初始電位值的賦值公式為：；是所述初始電位值，是電位初始參考值，tanh函數用于模擬生物細胞電位的非線性響應特性以確保電位值在一定范圍內變化；為第i個參數的權重，為第i個所述參數的偏置；將所述初始電位值輸入所述初始神經網絡，以進行前向傳播，得到第一輸出結果；其中，前向傳播表示為：；是Sigmoid激活函數，x是輸入的所述訓練樣本，w為權重參數，b為偏置參數；根據第一輸出結果，計算神經網絡的損失函數和電位調整量；其中，電位調整量反映損失函數的變化方式表示為：；其中，是損失函數的梯度，是學習率；根據所述電位調整量、預設的自適應因子，更新神經網絡的網絡參數、權重和偏置，直至獲得滿足預設條件的神經網絡；其中，根據所述電位調整量更新網絡參數表示為： ； ； 其中，是電位影響函數，是參數調整系數,為自適應因子；RE為正則化項，是控制正則化影響的系數，為更新后的權重參數，為更新前的權重參數，為求偏導的符號，為第i個偏置參數；為調整前的電位置，為調整后的電位值；其中，所述生成對抗網絡包括生成器網絡、判別器網絡和所述時間序列模型；所述生成器網絡中集成有所述拉格朗日單元；應用所述第一訓練樣本集對包含拉格朗日單元和時間序列模型的生成對抗網絡進行訓練，以擴充所述第一訓練樣本集，得到目標訓練樣本集的步驟，包括：應用所述第一訓練樣本集依次對所述生成器網絡、所述間序列模型及所述判別器網絡進行訓練，以生成新增訓練樣本；其中，時間序列模型的計算公式為： ；其中，為所述時間序列模型的輸出，和是時間依賴的權重系數，用于平衡歷史樣本和當前樣本的影響；為第t次迭代時的歷史樣本，為新增訓練樣本；在所述生成器網絡中整合所述時間序列模型的輸出，調整生成過程以反映時間序列的影響表示為： ；其中，為輸入的隨機噪聲向量，為第一訓練樣本，為所述時間序列模型的輸出，是考慮時間序列影響后生成的新增訓練樣本；利用所述拉格朗日單元對所述新增訓練樣本進行優化，并對優化后的所述新增訓練樣本進行質量評估；其中，將生成的所述新增訓練樣本視為動力學系統的狀態，拉格朗日函數設定為，其中是動力學系統的動能，是勢能；其中，動能函數的計算方式表示為： ；其中，代表虛擬質量參數，是狀態的時間導數；勢能函數的計算方式表示為： ；其中，=0.1，是目標生成新增訓練樣本的狀態；確定大于預設的質量評估閾值的所述新增訓練樣本為目標新增訓練樣本；將所述新增訓練樣本添加至所述第一訓練樣本集，以得到擴充后的目標訓練樣本集。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東綠藤建設發展有限公司，其通訊地址為：271000 山東省泰安市泰山區泰前街道擂鼓石大街通潤大廈403室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。