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！

龍圖騰網獲悉南方海洋科學與工程廣東省實驗室(珠海);中山大學;廣東省水文局佛山水文分局申請的專利一種利用機器學習算法進行河口地區咸潮上溯預報的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：CN118674101B 。

龍圖騰網通過國家知識產權局官網在2025-09-05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：202410730759.9，技術領域涉及：G06Q10/04；該發明授權一種利用機器學習算法進行河口地區咸潮上溯預報的方法是由祝雨珂;劉丙軍;易晶晶;張守文;劉培霖;丘冬琳;蕭雪雯設計研發完成，并于2024-06-06向國家知識產權局提交的專利申請。

本一種利用機器學習算法進行河口地區咸潮上溯預報的方法在說明書摘要公布了：本發明涉及水文水資源應用技術領域，更具體地，涉及一種利用機器學習算法進行河口地區咸潮上溯預報的方法。利用偏相關系數和皮爾遜相關系數優選出適宜提前時間的預報因子，再利用優選出的預報因子輸入GRU門控循環單元模型進行不同預見期的鹽度預報。通過本發明的方法，可有效預測枯水期河口地區咸潮上溯的鹽度值，為河口地區鹽度超標預警從而及時干預防治提供科學依據。

本發明授權一種利用機器學習算法進行河口地區咸潮上溯預報的方法在權利要求書中公布了：1.一種利用機器學習算法進行河口地區咸潮上溯預報的方法，其特征在于，包括以下步驟： S1.選定研究區域，收集區域相關數據；通過對咸潮上溯物理過程的影響因素的分析，收集目標地區枯水期的水文氣象實測數據，包括逐日的鹽度數據、逐日最低潮位以及逐時的潮位數據、逐日的流量數據、逐日的風速風向數據； S2.對收集的數據進行相應的預處理，為數據輸入模型作準備；包括以下步驟： S21.對逐時潮位數據進行逐日偏度的計算，作為潮波不對稱性指數；計算公式為： 式中：xi為水位對時間的導數；N為序列長度；γ為正，代表漲潮優勢，反之則落潮優勢； S22.將風速投影到南北方向，規定南風為正，作為風速風向因子； S23.確定輸入因子有鹽度因子、潮位因子、徑流因子、風速風向因子以及潮波不對稱性因子； S3.選出若干不同滯時的鹽度序列作為自源回歸項；計算不同滯時的鹽度序列之間的偏相關系數并可視化，選取偏相關系數較高的滯時對應的序列，作為模型的輸入數據序列； S4.選出不同時間的其他幾個預報因子序列作為外源驅動項；算出不同提前時間的潮位因子序列、徑流因子序列、風速風向因子序列以及潮波不對稱性因子序列與鹽度因子序列之間的皮爾遜相關系數，皮爾遜相關系數的計算方法如下： Oi與Pi分別為第i日的鹽度與不同提前時間的預報因子，R取值范圍為[-1,1]，表示線性相關程度，其絕對值接近1表示相關性越大，擬合度越好； 分別取相關系數較大的提前時間序列的外源驅動項，包括潮位序列、流量序列、風速風向序列以及潮波不對稱性指數序列，作為模型的待輸入數據序列； S5.利用以上選出的預報因子序列輸入門控循環單元GRU模型進行不同預見期的鹽度預報；包括： S51.首先導入進行預測需要的python庫，然后將預處理好的輸入數據序列導入； S52.對輸入數據進行歸一化處理后，按照8：2劃分訓練集與測試集，以偏自相關系數高的相應滯時的鹽度、以及皮爾遜相關系數高的相應提前時間的潮位、流量、風速風向、潮波不對稱性指數序列作為訓練以及測試樣本特征向量X，以目標鹽度作為對應訓練以及測試樣本Y，為輸入模型作準備； S53.進行GRU模型的構建，設置相應的模型參數；GRU記憶單元包含兩個門，分別為更新門、重置門，其輸出實現的公式由如下所示： zt＝σwz·[ht-1,xt] rt＝σwr·[ht-1,xt] 式中，zt為更新門的輸入，wz是更新門的權重，σ為S形函數，xt為神經元結構的輸入值，ht-1為上一個隱含層的輸出值，ht為下一個隱含層的輸出值，rt為重置門的輸出，wr為重置門的權重，是當前內存，tanh為激活函數； S6.評價模型的預報精度，達到預期精度后，根據需求利用本地區實時數據進行未來鹽度值的預測。

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南方海洋科學與工程廣東省實驗室(珠海);中山大學;廣東省水文局佛山水文分局，其通訊地址為：519000 廣東省珠海市香洲區唐家灣鎮大學路2號海琴四號；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”。