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！

龍圖騰網恭喜鄭州大學申請的專利混合深度學習的城市洪澇快速預測模型構建與評估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：CN117910645B 。

龍圖騰網通過國家知識產權局官網在2025-04-29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：202410111061.9，技術領域涉及：G06Q10/04；該發明授權混合深度學習的城市洪澇快速預測模型構建與評估方法是由楊海波;陳炫熾;王宗敏;梁秋華設計研發完成，并于2024-01-25向國家知識產權局提交的專利申請。

本混合深度學習的城市洪澇快速預測模型構建與評估方法在說明書摘要公布了：本發明屬于自然災害領域，公開了混合深度學習的城市洪澇快速預測模型構建與評估方法，該模型構建與評估方法包括：收集研究區域的相關數據，利用水動力模型LISFLOOD?FP計算得到洪澇過程數據集。將洪澇過程數據集分為訓練數據集和驗證數據集；在CNN模型的基礎上串聯GRU和多頭注意力模塊，構建城市洪澇快速預測模型，利用訓練數據集，對所述城市洪澇快速預測模型進行訓練；選擇合適的精度評估指標；利用所述驗證數據集和所述精度評估指標評估所述城市洪澇快速預測模型的時間精度、空間精度及魯棒性。本發明提出的城市洪澇快速預測模型構建與評估方法使得城市洪澇預測模型效率和精度更高，且模型構建與評估更全面。

本發明授權混合深度學習的城市洪澇快速預測模型構建與評估方法在權利要求書中公布了：1.混合深度學習的城市洪澇快速預測模型構建與評估方法，其特征在于，包括以下步驟：步驟S1：收集研究區域的相關數據，利用水動力模型LISFLOOD-FP計算得到洪澇過程數據集；所述收集研究區域的相關數據，利用水動力模型LISFLOOD-FP計算得到洪澇過程數據集具體為：S11:收集研究區域的相關數據包括數字高程模型DEM以及不同場次洪澇事件對應的進水河上游點的邊界條件；S12:在ARCGIS軟件對數字高程模型去除噪音和障礙物，得到用于驅動水動力模型LISFLOOD-FP的數字高程模型數據，所述噪音和障礙物包括樹木和橋梁；S13:根據所述邊界條件和步驟S12得到的數字高程模型數據，利用水動力模型LISFLOOD-FP計算得到洪澇過程數據集；步驟S2：將所述洪澇過程數據集分為訓練數據集和驗證數據集；步驟S3：在CNN模型的基礎上串聯GRU和多頭注意力模塊，構建城市洪澇快速預測模型，利用訓練數據集，對所述城市洪澇快速預測模型進行訓練；所述在CNN模型的基礎上串聯GRU和多頭注意力模塊，構建城市洪澇快速預測模型具體為：GRU模型的計算公式為：zt＝σWZ·[ht-1,xt]rt＝σWr·[ht-1,xt] 其中，zt和rt分別是更新門和重置門的輸出，是候選隱藏狀態，ht是當前時間步的隱藏狀態；σ表示Sigmoid函數，將值限制在0到1之間；W是權重矩陣；ht-1是上一個時間步的隱藏狀態；xt是當前時間步的輸入；所述在CNN模型的基礎上串聯GRU和多頭注意力模塊，構建城市洪澇快速預測模型具體為：多頭注意力模塊的計算流程是對輸入的Q,K,V應用不同的可學習投影參數矩陣，然后與注意力點積，具體計算公式為：MultiheadQ,K,V＝Concathead1,…,headhWOheadi＝AttentionQWiQ,KWiK,VWiV 式中Concat是拼接操作，參數矩陣WiQ∈RL×D，WiK∈RL×D,WiV∈RL×D為投影，WM是投影的權重參數，是將注意力矩陣變為標準正態分布；上述計算會重復h次，其中h是頭的數量；步驟S4：選擇合適的精度評估指標；步驟S5：利用所述驗證數據集和所述精度評估指標評估所述城市洪澇快速預測模型的時間精度；步驟S6：利用所述驗證數據集和所述精度評估指標評估所述城市洪澇快速預測模型的空間精度；步驟S7：對訓練數據集進行抽稀，評估所述城市洪澇快速預測模型的魯棒性。

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鄭州大學，其通訊地址為：450000 河南省鄭州市高新技術開發區科學大道100號；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”。