买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜河海大学申请的专利一种基于深度学习的中长期径流集成概率预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119760557B 。

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510249328.5，技术领域涉及：G06F18/243；该发明授权一种基于深度学习的中长期径流集成概率预测方法是由钱心缘;王斌;钟平安;樊宇堃;陈娟;王艺雯;许成靖;徐孙钰;王森设计研发完成，并于2025-03-04向国家知识产权局提交的专利申请。

本一种基于深度学习的中长期径流集成概率预测方法在说明书摘要公布了：本发明提供一种基于深度学习的中长期径流集成概率预测方法，通过收集整理流域长系列径流数据，采用改进的时滞皮尔逊相关系数法、多尺度最大信息系数法和基于物理约束的随机森林特征重要性评分法筛选预测因子，并用改进的Dempster‑Shafer证据理论融合构建驱动因子集。基于多尺度物理约束自适应损失函数构建深度学习基模型，引入多模态数据融合和物理约束增强机制，建立多模态自适应Stacking集成框架，通过Bootstrap‑Quantile方法生成概率预测区间，并用SHAP方法识别关键驱动因子。本发明提出"输入‑参数‑结构"全要素优化框架，综合考虑多源不确定性，提高了预测精度和可靠性。

本发明授权一种基于深度学习的中长期径流集成概率预测方法在权利要求书中公布了：1.一种基于深度学习的中长期径流集成概率预测方法，其特征在于，包括以下步骤：收集径流数据，采用基于冲突度量和动态权重改进的Dempster-Shafer证据理论集成多种因子筛选方法的结果，获得用于径流预测模型的驱动因子集；构建基于多尺度物理约束自适应损失函数的深度学习基模型，通过贝叶斯优化方法选择模型参数，获得训练好的深度学习径流预测基模型；构建多模态自适应Stacking集成框架，将所述深度学习径流预测基模型作为第一层基学习器，决策树回归模型作为第二层元学习器，生成集成模型的径流单值预测结果；采用改进的多层次Bootstrap-Quantile融合方法对所述单值预测结果进行不确定性量化，通过动态加权机制生成中长期径流概率预测方案；采用SHAP事后解释方法进行可解释性分析，识别关键驱动因素；其中，基于冲突度量和动态权重改进的Dempster-Shafer证据理论集成多种因子筛选方法的步骤包括：构建识别框架和证据集合，分别对应多个筛选方法筛选的预测因子集；定义各筛选方法的基本信任函数，将各方法筛选出的预测因子对应的评价指标归一化为基本概率赋值；进行证据融合与动态权重调整，采用Dempster-Shafer组合规则计算联合基本概率赋值，根据各筛选方法在验证集上的纳什效率系数动态调整权重，优化证据融合结果得到综合信任函数；将综合信任函数值降序排列并计算累计贡献率，选择累计贡献率达到预设阈值的预测因子，生成最终的驱动因子集；改进的多层次Bootstrap-Quantile融合方法的步骤包括：采用交叉验证方法划分训练集和测试集，获取预测误差样本集；按径流量分位数进行分层抽样，并对历史洪峰和极端枯水事件进行过采样；对每个时间段的预测结果进行多次Bootstrap重抽样，生成多个Bootstrap样本；结合Quantile方法计算误差的概率分布，基于预测误差的均方根误差动态分配权重；构建水文极值敏感分布并引入峰度调整参数和偏度参数；对加权后的预测结果计算联合分位数函数，得到置信水平下的径流预测区间。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河海大学，其通讯地址为：210098 江苏省南京市鼓楼区西康路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。