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！

龙图腾网恭喜中国长江三峡集团有限公司申请的专利一种基于变分贝叶斯卷积单控记忆网络的径流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：CN118364941B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202410336665.3，技术领域涉及：G06Q10/04；该发明授权一种基于变分贝叶斯卷积单控记忆网络的径流预测方法是由张振东;戴会超;蒋定国;戴凌全;田锐设计研发完成，并于2024-03-22向国家知识产权局提交的专利申请。

本一种基于变分贝叶斯卷积单控记忆网络的径流预测方法在说明书摘要公布了：本发明提供了一种基于变分贝叶斯卷积单控记忆网络的径流预测方法，属于径流预测技术领域，本发明提出最大平移皮尔逊相关系数方法用于分析上游站点径流演进至下游站点的滞时；采用站点‑变量‑时间三维张量作为预测模型的输入与输出，提出卷积单控记忆神经网络层ConvSCM，并结合变分贝叶斯概率框架推导其概率模型BConvSCM，获取径流的可靠高精度多预见期概率预测结果。本发明预测方法相比于传统概念式水文模型提升预测精度2.86％、相比于现有深度学习模型提升预测精度0.68％，可缩短同类型深度学习模型训练时间约63％，对水库的调度与决策具有重要意义。

本发明授权一种基于变分贝叶斯卷积单控记忆网络的径流预测方法在权利要求书中公布了：1.一种基于变分贝叶斯卷积单控记忆网络的径流预测方法，其特征在于，所述径流预测方法根据最大平移皮尔逊相关系数法分析上游站点流量演进至下游站点的滞时tlag，采用基于站点-变量-时间的三维张量作为预测模型的输入输出，提出基于变分贝叶斯框架与卷积单控记忆神经网络的概率预测方法，获取径流的多预见期概率预测结果；所述径流预测方法具体包括以下步骤：S1，收集上游站点流量QU、支流站点流量QT、下游站点流量QD、上下游站点之间河段的降雨量P与蒸发量E的数据；S2，计算上游站点、支流站点分别与下游站点流量之间的最大平移皮尔逊相关系数，最大的皮尔逊相关系数对应的平移时段即为该站点流量演进至下游站点的滞时tlag；S3，将上游站点流量QU、支流站点流量QT、下游站点流量QD、区间河段的降雨量P减去蒸发量E的变量P-E排列成二维矩阵，每个变量考虑过去tlag个时段的历史数据，构成三维输入张量，形状为，其中T为时间维度，等于tlag；M和N为上述变量排列成二维矩阵的行数与列数；将未来tlag个时段的下游站点流量数据排列成三维输出张量，形状为；S4，按照三维输入输出格式准备数据集，并划分训练集与测试集；S5，构建卷积单控记忆神经网络层ConvSCM；S6，基于变分贝叶斯框架与ConvSCM模型构建变分贝叶斯卷积单控记忆网络模型BConvSCM；S7，在训练集上训练BConvSCM模型的参数，在测试集上预测下游站点流量，获取高精度可靠的径流多预见期概率预测结果；所述S2中，最大平移皮尔逊相关系数计算公式为： （1）式中，是经过t步时段平移后的上游站点流量与未平移的下游站点流量之间的皮尔逊相关系数；代表时段编号从1至的上游站点流量样本，即自变量样本；代表时段编号从t至T的下游站点流量样本，即因变量样本；和分别是自变量样本与因变量样本的均值；T是总样本数； （2）平移时段t从0变化至T-2，计算每个平移时段t对应的皮尔逊相关系数，最大的皮尔逊相关系数对应的平时时段即为上游站点流量演进至下游站点的滞时；所述S5中，卷积单控记忆神经网络层ConvSCM的第t个时段前向传播的步骤和计算公式为： （3） （4） （5）式中，和是权重张量；是第t个时段ConvSCM层的输出；和是第t个时段的中间变量；代表第t个时段的输入，其形状是，M和N为相关因子变量重排为二维矩阵的行数与列数；完整的输入，其形状为，T为选取的历史时段数，等于tlag；代表tanh激活函数；符号和分别代表卷积操作与哈达玛乘积。

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中国长江三峡集团有限公司，其通讯地址为：430010 湖北省武汉市江岸区六合路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”。