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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉長江水利委員會長江科學(xué)院申請的專利一種基于強化學(xué)習(xí)和深度學(xué)習(xí)的喀斯特流域徑流預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119989893B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510065066.7，技術(shù)領(lǐng)域涉及：G06F30/27；該發(fā)明授權(quán)一種基于強化學(xué)習(xí)和深度學(xué)習(xí)的喀斯特流域徑流預(yù)測方法是由王家樂;劉紀根;楊海明;王志剛;賈寶杰;張長偉;沈盛彧;孫蓓;趙元凌;劉晨曦設(shè)計研發(fā)完成，并于2025-01-15向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于強化學(xué)習(xí)和深度學(xué)習(xí)的喀斯特流域徑流預(yù)測方法在說明書摘要公布了：一種基于強化學(xué)習(xí)和深度學(xué)習(xí)的喀斯特流域徑流預(yù)測方法，利用每小時的二維降雨累積圖、二維氣溫平均圖以及流域的固定地表和地下特征，通過二維卷積神經(jīng)網(wǎng)絡(luò)進行卷積降維和特征提取，將提取的小時尺度時間序列輸入長短期記憶網(wǎng)絡(luò)構(gòu)建2D?CNN?LSTM深度學(xué)習(xí)網(wǎng)絡(luò)，基于改進獎勵函數(shù)的DQN算法對2D?CNN?LSTM網(wǎng)絡(luò)的超參數(shù)進行優(yōu)化，將優(yōu)化后的超參數(shù)配置到2D?CNN?LSTM網(wǎng)絡(luò)，通過訓(xùn)練數(shù)據(jù)集對2D?CNN?LSTM網(wǎng)絡(luò)進行訓(xùn)練，使用驗證數(shù)據(jù)集對完成訓(xùn)練后的2D?CNN?LSTM網(wǎng)絡(luò)預(yù)測性能進行驗證，使用通過驗證后的2D?CNN?LSTM網(wǎng)絡(luò)進行徑流預(yù)測。本發(fā)明可提高模型對喀斯特流域徑流的預(yù)測精度。

本發(fā)明授權(quán)一種基于強化學(xué)習(xí)和深度學(xué)習(xí)的喀斯特流域徑流預(yù)測方法在權(quán)利要求書中公布了：1.一種基于強化學(xué)習(xí)和深度學(xué)習(xí)的喀斯特流域徑流預(yù)測方法，其特征在于，包括以下步驟： 步驟1：獲取流域內(nèi)每小時的二維降雨累積圖、二維氣溫平均圖以及流域的固定地表和地下特征，所述流域的固定地表和地下特征包括二維土地利用圖、二維土壤類型圖和二維地質(zhì)圖； 步驟2：基于步驟1獲取的數(shù)據(jù)構(gòu)建模型訓(xùn)練和驗證數(shù)據(jù)集，訓(xùn)練集用于模型的參數(shù)訓(xùn)練，驗證集用于評估模型性能； 步驟3：將步驟1獲取的數(shù)據(jù)作為輸入，通過二維卷積神經(jīng)網(wǎng)絡(luò)2D-CNN進行卷積降維和特征提取，將提取的小時尺度時間序列輸入到長短期記憶網(wǎng)絡(luò)LSTM，構(gòu)建用于徑流預(yù)測的2D-CNN-LSTM深度學(xué)習(xí)網(wǎng)絡(luò)； 步驟4：通過引入洪水預(yù)測精準度重新設(shè)計DQN算法中的獎勵函數(shù)R，對DQN算法進行改進，得到基于改進獎勵函數(shù)的DQN算法； 步驟5：基于改進獎勵函數(shù)的DQN算法對步驟3構(gòu)建的2D-CNN-LSTM網(wǎng)絡(luò)的超參數(shù)進行優(yōu)化； 步驟6：將優(yōu)化后的超參數(shù)配置到2D-CNN-LSTM網(wǎng)絡(luò)，通過訓(xùn)練數(shù)據(jù)集對2D-CNN-LSTM網(wǎng)絡(luò)進行訓(xùn)練，保存完成訓(xùn)練后的2D-CNN-LSTM網(wǎng)絡(luò)； 步驟7：使用驗證數(shù)據(jù)集對完成訓(xùn)練后的2D-CNN-LSTM網(wǎng)絡(luò)的預(yù)測性能進行驗證； 步驟8：使用通過驗證后的2D-CNN-LSTM網(wǎng)絡(luò)進行徑流預(yù)測； 步驟4中通過引入洪水預(yù)測精準度重新設(shè)計DQN算法中的獎勵函數(shù)R，具體包括： 將模型預(yù)測精準度Rt與洪水預(yù)測精準度Re疊加得到獎勵函數(shù)R： R=a×Rt+b×Re； 式中，a和b分別為模型預(yù)測精準度和洪水預(yù)測精準度權(quán)重系數(shù)；模型預(yù)測精準度Rt的計算公式為： Rt=1-MSEt； ； 式中，為模型預(yù)測的均方誤差，n是數(shù)據(jù)點的數(shù)量，yi是第i個數(shù)據(jù)點的真實值；是模型對第i個數(shù)據(jù)點的預(yù)測值； 洪水預(yù)測精準度Re的計算公式為： Re=1-MSEe； ； 式中，MSEe為洪水預(yù)測的均方誤差，ne是超警戒洪水?dāng)?shù)據(jù)點的數(shù)量，yei是第i個超警戒洪水?dāng)?shù)據(jù)點的真實值；是模型對第i個超警戒洪水?dāng)?shù)據(jù)點的預(yù)測值。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人長江水利委員會長江科學(xué)院，其通訊地址為：430010 湖北省武漢市黃浦大街23號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。