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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜河海大學申請的專利一種基于降雨多維特征識別的極端降雨指標構(gòu)建方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119441339B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-18發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510039145.0，技術(shù)領(lǐng)域涉及：G06F16/26；該發(fā)明授權(quán)一種基于降雨多維特征識別的極端降雨指標構(gòu)建方法是由萬儀欣;袁山水;任立良設(shè)計研發(fā)完成，并于2025-01-10向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于降雨多維特征識別的極端降雨指標構(gòu)建方法在說明書摘要公布了：本發(fā)明公開的一種基于降雨多維特征識別的極端降雨指標構(gòu)建方法，屬于氣象災害識別評估技術(shù)領(lǐng)域。本發(fā)明實現(xiàn)方法為：1、根據(jù)流域地理數(shù)據(jù)對柵格降雨數(shù)據(jù)進行裁切，獲得流域降雨數(shù)據(jù)；2、對流域降雨數(shù)據(jù)進行三維降雨事件的提取；3、構(gòu)建極端降雨指標，利用Copula函數(shù)對降雨歷時、降雨總量和降雨強度進行耦合，形成極端降雨指標；4、降雨事件動態(tài)演變多維特征分析；與現(xiàn)有技術(shù)相比，本發(fā)明通過三維降雨事件識別捕捉了降雨三維動態(tài)發(fā)展過程，實現(xiàn)了對降雨事件動態(tài)演變的多維分析，通過Copula函數(shù)耦合了三維降雨事件的多維特征，構(gòu)建出了一種能夠多維度分析極端降雨多維特征的極端降雨指標，進而解決了時空分布變異性下降雨的多維動態(tài)演變特征分析。

本發(fā)明授權(quán)一種基于降雨多維特征識別的極端降雨指標構(gòu)建方法在權(quán)利要求書中公布了：1.一種基于降雨多維特征識別的極端降雨指標構(gòu)建方法，其特征在于：包括以下步驟，步驟1：根據(jù)流域地理數(shù)據(jù)對柵格降雨數(shù)據(jù)進行裁切，獲得流域降雨數(shù)據(jù)；步驟2：對流域降雨數(shù)據(jù)進行三維降雨事件的提?。徊襟E2.1：對流域降雨數(shù)據(jù)以時間序列順序進行單日降雨事件識別，進而獲得單日降雨事件集合；步驟2.1.1：對單日降雨數(shù)據(jù)搜索獲取降雨量最大值的網(wǎng)格點；步驟2.1.2：以降雨量最大值的網(wǎng)格點為起點，在等間隔網(wǎng)格點范圍內(nèi)采用循環(huán)迭代的方式搜索降雨不為0的網(wǎng)格點，形成網(wǎng)格點集合；步驟2.1.3：將網(wǎng)格點集合標記為降雨事件t_m；將已標記的降雨事件網(wǎng)格點歸零；步驟2.1.4：重復執(zhí)行步驟2.1.1至步驟2.1.3，獲取單日降雨事件集合；步驟2.2：將單日降雨事件集合以時間序列順序構(gòu)建三維降雨事件集合；步驟2.2.1：對單日降雨事件集合進行逐日降雨事件重疊對比；將重疊大于閾值的降雨事件作為同一場降雨事件；步驟2.2.2：重復執(zhí)行步驟2.2.1，獲得三維降雨事件集合；步驟2.3：將三維降雨事件集合進行降雨子事件分割，形成降雨子事件集合；步驟2.3.1：設(shè)定起始閾值和終止閾值；將三維降雨事件集合曲線超過起始閾值的作為降雨子事件起始點；將三維降雨事件集合曲線低于終止閾值的作為降雨子事件終止點；步驟2.3.2：將降雨子事件起始點與降雨子事件終止點之間的曲線形成降雨子事件；步驟2.3.3：重復執(zhí)行步驟2.3.1至步驟2.3.2，直至將三維降雨事件集合進行降雨子事件分割完成為止，形成降雨子事件集合；步驟2.4：計算提取出的每一場降雨事件的降雨歷時、降雨總量、降雨影響面積并采用如式1所示的方式得到降雨強度； 其中，PRCP為降雨總量m3，表示一場降雨事件在空間和時間上的累計雨量；A為降雨面積km2，指一場降雨事件中所有降雨區(qū)域面積的并集，也可視為三維降雨在二維平面經(jīng)緯度上的投影；D為降雨歷時d；I為降雨強度mmd；步驟3：構(gòu)建極端降雨指標，利用Copula函數(shù)對降雨歷時、降雨總量和降雨強度進行耦合，形成極端降雨指標；步驟3.1：強降雨事件篩選；步驟3.2：對降雨歷時、降雨總量和降雨強度進行邊緣概率分布擬合；步驟3.2.1：對降雨歷時、降雨總量和降雨強度進行概率分布參數(shù)估計；步驟3.2.2：采用如式2所示的方式對降雨歷時、降雨總量和降雨強度的概率分布進行假設(shè)檢驗； 其中，為經(jīng)驗分布函數(shù)，F(xiàn)x為待檢驗的理論累積分布函數(shù)，n為樣本長度，當實際觀測值DDn,α，α為置信水平，本發(fā)明中取0.05則拒絕H0，否則接受H0原假設(shè)，數(shù)據(jù)符合理論分布；同時，KS即Kolmogorov-Smirnov統(tǒng)計量越小，累計概率分布擬合越優(yōu)；步驟3.2.3：采用如式3所示的方式對降雨歷時、降雨總量和降雨強度的概率分布進行分布優(yōu)選； 其中，為經(jīng)驗分布函數(shù)，F(xiàn)x為待檢驗的理論累積分布函數(shù)，n為樣本長度；RMSE表示為均方根誤差越小，累計概率分布擬合越優(yōu)；步驟3.3：利用Copula函數(shù)對降雨歷時、降雨總量和降雨強度的概率分布進行耦合；步驟3.3.1：對阿基米德Copula函數(shù)進行參數(shù)估計；步驟3.3.2：采用如式4所示的方式對降雨歷時、降雨總量和降雨強度的三維Copula函數(shù)概率分布進行假設(shè)檢驗； 其中，C為待檢驗的理論Copula分布函數(shù)，為經(jīng)驗分布函數(shù)，在5％的顯著性水平下執(zhí)行Cramer-vonMises假設(shè)檢驗即CVMtest，如果統(tǒng)計量對應的p值大于5％，則檢驗未能拒絕原假設(shè)，即數(shù)據(jù)來源于選定的理論Copula函數(shù)C；步驟3.3.3：采用如式5所示的方式對Copula函數(shù)進行分布優(yōu)選； AIC＝2k-2lnL5其中，k為模型參數(shù)個數(shù)，L為似然函數(shù)，RMSE均方根誤差和AIC赤池信息量準則越小，Copula函數(shù)擬合效果越優(yōu)；步驟3.4：通過Copula函數(shù)耦合，形成極端降雨指標；步驟3.4.1：利用Copula函數(shù)對降雨事件采用如式6所示的方式進行概率計算； 其中，F(xiàn)PRCP為降雨總量累計分布函數(shù)；FI為降雨強度累計分布函數(shù)；FD為降雨歷時累計分布函數(shù)，函數(shù)為阿基米德Copula函數(shù)的生成元函數(shù)；步驟3.4.2：將Copula函數(shù)計算的概率值作為極端降雨指標；步驟4：降雨事件動態(tài)演變多維特征分析；步驟4.1：采用7、8式獲取降雨事件逐日的質(zhì)心Xt,Yt，利用起始日與終止日的質(zhì)心構(gòu)建質(zhì)心的遷移方向； 其中，PRCPi表示降雨事件第i個網(wǎng)格點的降雨量，xi和yi分別為降雨事件第i個降雨網(wǎng)格點的經(jīng)度和緯度坐標，Xt和Yt則分別為降雨事件第t日的經(jīng)度和緯度坐標；步驟4.2：對極端降雨進行動態(tài)演變分析。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人河海大學，其通訊地址為：210024 江蘇省南京市鼓樓區(qū)西康路1號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。