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！

龍圖騰網恭喜中國長江三峽集團有限公司申請的專利一種基于變分貝葉斯卷積單控記憶網絡的徑流預測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：CN118364941B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202410336665.3，技術領域涉及：G06Q10/04；該發明授權一種基于變分貝葉斯卷積單控記憶網絡的徑流預測方法是由張振東;戴會超;蔣定國;戴凌全;田銳設計研發完成，并于2024-03-22向國家知識產權局提交的專利申請。

本一種基于變分貝葉斯卷積單控記憶網絡的徑流預測方法在說明書摘要公布了：本發明提供了一種基于變分貝葉斯卷積單控記憶網絡的徑流預測方法，屬于徑流預測技術領域，本發明提出最大平移皮爾遜相關系數方法用于分析上游站點徑流演進至下游站點的滯時；采用站點?變量?時間三維張量作為預測模型的輸入與輸出，提出卷積單控記憶神經網絡層ConvSCM，并結合變分貝葉斯概率框架推導其概率模型BConvSCM，獲取徑流的可靠高精度多預見期概率預測結果。本發明預測方法相比于傳統概念式水文模型提升預測精度2.86％、相比于現有深度學習模型提升預測精度0.68％，可縮短同類型深度學習模型訓練時間約63％，對水庫的調度與決策具有重要意義。

本發明授權一種基于變分貝葉斯卷積單控記憶網絡的徑流預測方法在權利要求書中公布了：1.一種基于變分貝葉斯卷積單控記憶網絡的徑流預測方法，其特征在于，所述徑流預測方法根據最大平移皮爾遜相關系數法分析上游站點流量演進至下游站點的滯時tlag，采用基于站點-變量-時間的三維張量作為預測模型的輸入輸出，提出基于變分貝葉斯框架與卷積單控記憶神經網絡的概率預測方法，獲取徑流的多預見期概率預測結果；所述徑流預測方法具體包括以下步驟：S1，收集上游站點流量QU、支流站點流量QT、下游站點流量QD、上下游站點之間河段的降雨量P與蒸發量E的數據；S2，計算上游站點、支流站點分別與下游站點流量之間的最大平移皮爾遜相關系數，最大的皮爾遜相關系數對應的平移時段即為該站點流量演進至下游站點的滯時tlag；S3，將上游站點流量QU、支流站點流量QT、下游站點流量QD、區間河段的降雨量P減去蒸發量E的變量P-E排列成二維矩陣，每個變量考慮過去tlag個時段的歷史數據，構成三維輸入張量，形狀為，其中T為時間維度，等于tlag；M和N為上述變量排列成二維矩陣的行數與列數；將未來tlag個時段的下游站點流量數據排列成三維輸出張量，形狀為；S4，按照三維輸入輸出格式準備數據集，并劃分訓練集與測試集；S5，構建卷積單控記憶神經網絡層ConvSCM；S6，基于變分貝葉斯框架與ConvSCM模型構建變分貝葉斯卷積單控記憶網絡模型BConvSCM；S7，在訓練集上訓練BConvSCM模型的參數，在測試集上預測下游站點流量，獲取高精度可靠的徑流多預見期概率預測結果；所述S2中，最大平移皮爾遜相關系數計算公式為： （1）式中，是經過t步時段平移后的上游站點流量與未平移的下游站點流量之間的皮爾遜相關系數；代表時段編號從1至的上游站點流量樣本，即自變量樣本；代表時段編號從t至T的下游站點流量樣本，即因變量樣本；和分別是自變量樣本與因變量樣本的均值；T是總樣本數； （2）平移時段t從0變化至T-2，計算每個平移時段t對應的皮爾遜相關系數，最大的皮爾遜相關系數對應的平時時段即為上游站點流量演進至下游站點的滯時；所述S5中，卷積單控記憶神經網絡層ConvSCM的第t個時段前向傳播的步驟和計算公式為： （3） （4） （5）式中，和是權重張量；是第t個時段ConvSCM層的輸出；和是第t個時段的中間變量；代表第t個時段的輸入，其形狀是，M和N為相關因子變量重排為二維矩陣的行數與列數；完整的輸入，其形狀為，T為選取的歷史時段數，等于tlag；代表tanh激活函數；符號和分別代表卷積操作與哈達瑪乘積。

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中國長江三峽集團有限公司，其通訊地址為：430010 湖北省武漢市江岸區六合路1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”。