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！

龍圖騰網恭喜河海大學;長江水利委員會水文局申請的專利一種基于元學習TFT架構的流域水文多變量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：CN119848789B 。

龍圖騰網通過國家知識產權局官網在2025-06-03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：202510331446.0，技術領域涉及：G06F18/25；該發明授權一種基于元學習TFT架構的流域水文多變量預測方法是由直偉;扈敬哲;王陽陽;周波;董炳江;陳柯兵;蘇曉倩;雪域;周鈺;李越;王杰;秦玉茹;劉興月;魯春輝設計研發完成，并于2025-03-20向國家知識產權局提交的專利申請。

本一種基于元學習TFT架構的流域水文多變量預測方法在說明書摘要公布了：本發明公開了一種基于元學習TFT架構的流域水文多變量預測方法，涉及水文預測技術領域，包括采集多個水文觀測站的多變量水質數據、外部驅動力數據及靜態流域屬性數據；進行拼接并處理缺失值，劃分為時間排列的訓練集、測試集和驗證集作為輸入；通過強化門控循環單元增強模型對長期依賴關系的捕捉；利用多尺度圖注意力網絡捕捉時間序列中的多層次依賴關系；整合元學習框架，融合多個子任務，輸出預測值。將模型融合增強元學習與改進的TemporalFusionTransformer相結合，融合多尺度圖注意力網絡和動態模型融合機制，解決復雜流域環境下水文預測模型在捕捉長期依賴關系和泛化能力方面的不足，提升多變量水文預測的精度與可靠性。

本發明授權一種基于元學習TFT架構的流域水文多變量預測方法在權利要求書中公布了：1.一種基于元學習TFT架構的流域水文多變量預測方法，其特征在于，包括：S1：獲取多個水文觀測站的多變量水質數據、外部驅動力數據及靜態流域屬性數據，構建時間-站點矩陣形式的觀測數據集；S2：所述觀測數據集經過數據預處理后劃分為訓練集、測試集和驗證集，作為輸入；S3：構建基于元學習TFT架構的流域水文多變量預測模型，所述流域水文多變量預測模型的建模步驟包括：將提取到的水文多變量加權特征輸入圖結構門控殘差網絡；采用強化門控循環單元捕捉長期序列依賴關系；將其輸出傳遞至多尺度圖注意力網絡融合處理；圖結構門控殘差網絡具體包括：利用圖神經網絡捕捉特征間的拓撲關系，設輸入水文多元序列以時間-站點矩陣X∈RN×F的形式表示，其中，N表示時間步長，F表示特征維度，輸入特征矩陣X與鄰接矩陣A∈RN×N結合，形成特征的鄰接關系，并通過圖神經網絡對特征進行層次更新，在第l層，通過以下更新公式進行計算：Hl+1＝σAHlWl其中，σ為激活函數，Wl為可訓練權重矩陣，通過迭代計算獲得高層次的特征表示Hl+1；通過門控機制動態調節信息流，并采用殘差連接增強特征表達：G＝σHl+1Wg+bg Hres＝Hout+Hl其中，Wg和bg為門控層的可訓練參數，σ為sigmoid激活函數，表示逐元素乘法；S4：通過動態模型融合機制將輸出與多個子任務的輸出進行動態加權融合；動態模型融合機制的具體實現包括：設定多個子任務{f1,f2,…,fK}，每個子任務具有參數θk，其中，θk為與第k個子任務fk相關的任務參數，決定了每個子任務模型的行為和輸出，是該子任務模型的權重和偏置，用于調整模型如何根據輸入x進行預測；通過融合網絡φ根據輸入數據x動態生成融合權重αkx，其計算公式為： 將各子任務的輸出按權重αkx進行加權求和，得到融合后的輸出y： 其中，αkx為子任務fk在輸入x下的動態權重，滿足S5：利用模型融合增強元學習框架優化融合權重及全局模型參數，并通過輸出層生成最終的預測結果。

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河海大學;長江水利委員會水文局，其通訊地址為：210000 江蘇省南京市鼓樓區西康路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”。