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！

龍圖騰網獲悉浙江大學申請的專利一種基于機器學習和云模型的分類洪水隨機預報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：CN115759445B 。

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：202211486193.7，技術領域涉及：G06Q10/04；該發明授權一種基于機器學習和云模型的分類洪水隨機預報方法是由郭玉雪;許月萍;于欣廷;劉莉設計研發完成，并于2022-11-24向國家知識產權局提交的專利申請。

本一種基于機器學習和云模型的分類洪水隨機預報方法在說明書摘要公布了：本發明公開了一種基于機器學習和云模型的分類洪水隨機預報方法，步驟如下：以歷史典型場次洪水作為模型率定與檢驗的基礎資料，選取滿足條件的分類指標，基于自組織映射神經網絡SOM進行歷史場次洪水分類；采用最大信息系數方法MIC進行分類洪水影響因子篩選，并建立基于不同機器學習方法的分類洪水預報模型；針對不同類型洪水，基于云模型求解不同預報模型的融合權重，對各模型的模擬結果進行加權獲取模型集成預報結果；分析計算相對預報誤差，基于Copula方法建立相鄰時刻相對預報誤差聯合分布函數；最后獲取在線洪水實時信息，實現洪水隨機預報。本發明可提高洪水預報精度，可為水文預測預報提供一種新的途徑。

本發明授權一種基于機器學習和云模型的分類洪水隨機預報方法在權利要求書中公布了：1.一種基于機器學習和云模型的分類洪水隨機預報方法，其特征在于，包括以下步驟： Step1：以歷史典型場次洪水作為模型率定與檢驗的基礎資料，選取分類指標，基于自組織映射神經網絡SOM進行歷史場次洪水分類，其中分類指標為降雨總量、最大三小時降雨、降雨強度、降雨中心、前期影響雨量、洪峰中的一種或多種； Step2：采用最大信息系數方法MIC進行不同類型洪水的洪水影響因子篩選，并建立基于不同機器學習方法的分類洪水預報模型，獲得不同模型對應各類洪水的最優參數； Step3：針對不同類型洪水，基于云模型求解不同預報模型的融合權重，基于融合權重對各模型的模擬結果進行加權獲取模型集成預報結果； Step4：分析計算相對預報誤差，基于Copula方法建立相鄰時刻相對預報誤差聯合分布函數，確定相對預報誤差累積概率分布函數； Step5：獲取在線洪水實時信息，實現洪水隨機預報； 所述Step2中建立基于不同機器學習方法的分類洪水預報模型，包括以下步驟： Step2-1：將洪水序列按照場次洪水劃分為訓練集和驗證集，以MIC值大于0.30的待選預報因子作為模型輸入，場次洪水作為模型輸出，并將所有數據集歸一化至0,1]區間； Step2-2：建立基于不同機器學習方法的預報模型{M1,M2,…Mi,…MK}，i=1,2,…,K，K≥2，其中機器學習方法為神經網絡模型ANN、支持向量機模型SVM、長短期記憶網絡模型LSTM、門循環單元模型GRU和極度梯度提升樹XGBoost中的兩種或兩種以上；計算模型輸出結果，反歸一化后得到徑流模擬值，其中，表示第i個預報模型第t時刻的模擬值，，K為預報模型的個數，T為不同場次洪水的時間長度（h）； Step2-3：對比訓練集次洪觀測值，其中，表示第t時刻的觀測值，以相關系數、納什系數、均方根誤差和平均絕對誤差作為評價指標，采用網格法對不同機器學習模型參數進行優選； Step2-4：將驗證集數據輸入訓練好的模型中獲得模擬結果，反歸一化后得到徑流模擬值，以相關系數、納什系數、平均絕對誤差和均方根誤差作為評價指標，判斷模型的模擬結果是否合格； 所述Step5中獲取在線洪水實時信息，實現洪水隨機預報，具體包括以下步驟： Step5-1：獲取在線洪水實時信息，從實時雨水情信息中提取各分類指標數據，基于Step1建立的自組織映射神經網絡SOM進行在線洪水分類，確定該場次洪水所屬類別； Step5-2：選取Step2中獲取的所屬類別洪水的最優模型參數，和基于Step3中的方法獲取的融合權重進行確定性集成預報； Step5-3：采用吉布斯Gibbs抽樣方法對相對預報誤差進行隨機模擬，將模擬得到的相對預報誤差與確定性集成預報結果進行耦合，實現洪水隨機預報； 所述Step5-3采用吉布斯Gibbs抽樣方法進行預報時刻相對預報誤差隨機模擬，包括以下步驟： Step5-3-1生成2個隨機數α0,α1∈0,1，α0和α1為概率值； Step5-3-2根據條件概率分布式，其中，X1表示當前時刻相對預報誤差，X0表示假設場次洪水預報時刻前1h的相對預報誤差，C為相鄰時刻的Copula相對預報誤差聯合分布函數，基于Step4中的方法得到；將α0,α1代入條件概率分布式求得當前預報時刻的相對預報誤差累積概率分布值x1； Step5-3-3隨機生成概率值α2,α3,…,αT∈0,1，求解以下方程組如下： ， 可得到第2~T時刻的相對誤差累積概率分布值x2、x3......xT； Step5-3-4重復Step5-3-3的步驟N次，即可得N組相對預報誤差累積概率分布值，j=1,2,…,N； Step5-3-5根據求得的相對預報誤差累積概率分布函數，通過Step4方法建立的相鄰時刻相對預報誤差聯合分布函數的反函數逆推得到N組相對預報誤差，j=1,2,…,N，將相對預報誤差與確定集成預報結果進行耦合，實現洪水隨機預報。

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浙江大學，其通訊地址為：310058 浙江省杭州市西湖區余杭塘路866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”。