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！

龍圖騰網獲悉北京大學深圳研究生院申請的專利基于U-RNN的城市內澇高分辨率時空臨近預報方法及存儲介質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：CN120181169B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510644873.4，技術領域涉及：G06N3/082；該發明授權基于U-RNN的城市內澇高分辨率時空臨近預報方法及存儲介質是由曹小?;秦華鵬;王寶英;姚瑤設計研發完成，并于2025-05-20向國家知識產權局提交的專利申請。

本基于U-RNN的城市內澇高分辨率時空臨近預報方法及存儲介質在說明書摘要公布了：基于U?RNN的城市內澇高分辨率時空臨近預報方法及存儲介質，根據當前的降雨序列以及城市空間因子得到輸入特征，將所得輸入特征輸入到U?RNN中，得到城市內澇即時預報結果；所述U?RNN在訓練過程中使用滑動窗口預熱訓練范式；其中，所述U型循環神經網絡U?RNN與淺水方程求解器構成了反問題訓練框架，基于反問題訓練框架對所述U型循環神經網絡U?RNN以及所述淺水方程求解器進行交替訓練，從而進行網絡參數與物理參數的交替優化，得到訓練完成的所述U型循環神經網絡U?RNN。通過物理參數的優化提升U?RNN的預測準確性，再基于更高精度的預測結果繼續反演優化物理參數，實現全局協調優化，從而提高系統的整體精度，實現更加快速、精準且具備高時空分辨率的城市內澇臨近預報。

本發明授權基于U-RNN的城市內澇高分辨率時空臨近預報方法及存儲介質在權利要求書中公布了：1.基于U-RNN的城市內澇高分辨率時空臨近預報方法，其特征在于，包括： 獲取當前的降雨序列以及城市空間因子，所述降雨序列包括降雨強度序列和累計降雨序列，所述城市空間因子包括數字地表模型、不透水率以及排水口分布面積； 根據所述降雨序列以及城市空間因子獲取輸入特征； 將所得輸入特征輸入到一個U型循環神經網絡U-RNN中，所述U-RNN的輸出結果為城市內澇即時預報結果； 其中，所述U-RNN包括一個骨干網絡以及多個多任務解耦頭，將所述輸入特征作為所述骨干網絡的輸入，所述骨干網絡為編碼-解碼結構，其編碼器與解碼器均由多個跳躍連接的卷積門控循環單元構成；每個所述跳躍連接的卷積門控循環單元對應一個編碼模塊或解碼模塊，對于任意一個跳躍連接的卷積門控循環單元：若該跳躍連接的卷積門控循環單元屬于骨干網絡的編碼器，則該跳躍連接的卷積門控循環單元構成了所述編碼器的一個編碼模塊；若該跳躍連接的卷積門控循環單元屬于骨干網絡的解碼器，則該跳躍連接的卷積門控循環單元構成了所述解碼器的一個解碼模塊；將所述骨干網絡的輸出結果分別輸入到每個多任務解耦頭中，根據每個多任務解耦頭的輸出結果得到二維內澇范圍以及水深值，所述二維內澇范圍以及水深值被作為所述U-RNN的輸出結果； 所述U-RNN的獲取包括：所述U-RNN與淺水方程求解器構成了反問題訓練框架，所述反問題訓練框架用于對所述U-RNN以及所述淺水方程求解器進行交替訓練，以對所述U-RNN的網絡參數與所述淺水方程求解器的物理參數進行交替優化，得到訓練完成的所述U-RNN； 其中，對所述U-RNN以及所述淺水方程求解器進行交替訓練的過程，包括： 第一目標訓練步驟，獲取所述U-RNN的目標函數；基于淺水方程求解器的最新的物理參數以及所述目標函數，對所述U-RNN進行訓練，以對所述U-RNN的網絡參數進行優化更新； 第一交替條件判斷步驟，判斷所述U-RNN的訓練輪次是否達到第一預設訓練輪次，若未達到，則在第一目標訓練步驟繼續對所述U-RNN進行訓練；否則進行交替，進行第二目標訓練步驟； 第二目標訓練步驟，獲取所述反問題訓練框架的總損失函數，所述反問題訓練框架的總損失函數包括數據損失、物理損失、邊界條件損失以及初始條件損失，其中，所述數據損失用以評估所述U型循環神經網絡U-RNN的預測誤差；所述物理損失用以評估所述U型循環神經網絡U-RNN與所述淺水方程求解器的物理一致性；所述邊界條件損失用以評估所述U型循環神經網絡U-RNN在邊界處的預測準確性；所述初始條件損失用以約束所述U型循環神經網絡U-RNN在初始時刻的預測結果；基于所述U-RNN的最新的網絡參數以及所述總損失函數，對所述淺水方程求解器進行多個訓練輪次的訓練，以對所述淺水方程求解器的物理參數進行優化更新； 第二交替條件判斷步驟，判斷所述淺水方程求解器的訓練輪次是否達到第二預設訓練輪次，若未達到，則繼續在第二目標訓練步驟對所述淺水方程求解器進行訓練；否則進行交替，進行第一目標訓練步驟。

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北京大學深圳研究生院，其通訊地址為：518055 廣東省深圳市南山區西麗街道深圳大學城北大園區H棟208室；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”。