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！

龙图腾网获悉大连理工大学申请的专利融合水利调控信息的平原河网区污染物通量模拟修正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：CN121638065B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610147388.0，技术领域涉及：G06F30/27；该发明授权融合水利调控信息的平原河网区污染物通量模拟修正方法是由刘志红;吴禹峰;彭勇;张弛;陈贞波;李淑豪设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本融合水利调控信息的平原河网区污染物通量模拟修正方法在说明书摘要公布了：本发明公开了一种融合水利调控信息的平原河网区污染物通量模拟修正方法，实现了物理机制与深度学习的深度融合，本发明既利用了SWAT模型的物理基准作为基础约束，又利用深度学习挖掘非线性残差，配合ReLU物理约束及图拓扑传递机制，兼具了物理模型的可解释性与数据驱动模型的高精度，特别适用于监测资料稀缺的复杂流域。通过少量关键节点监测数据对全流域逐日径流、总氮通量和总磷通量进行高精度反演与修正，为平原河网区面源污染的时空解析及水环境精细化管理提供有力支持。解决了平原河网区虚假产流难题，并建立了以流定质的级联修正逻辑，避免了传统水文模型径流模拟失真及污染通量估算误差大的问题。

本发明授权融合水利调控信息的平原河网区污染物通量模拟修正方法在权利要求书中公布了：1.一种融合水利调控信息的平原河网区污染物通量模拟修正方法，其特征在于，所述方法包括： 确定平原河网区的研究区域，并获取所述研究区域的流域地理属性数据、气象驱动数据和真实数据集合； 获取所述研究区域的过闸流量及泵站流量，并依次对所述过闸流量及所述泵站流量进行数据清洗和标准化处理后得到水利调控数据； 将所述流域地理属性数据及气象驱动数据输入SWAT模型，SWAT模型输出模拟数据集合，通过所述模拟数据集合和所述真实数据集合对所述SWAT模型的模型参数进行率定得到优化模型参数，并将所述优化模型参数作为静态物理属性数据，进而得到优化SWAT模型；从所述静态物理属性数据中提取每条河道的物理参数构建边属性矩阵； 将所述流域地理属性数据和所述气象驱动数据输入至优化SWAT模型，所述优化SWAT模型输出目标数据集合=[径流模拟序列，总氮浓度模拟序列，总磷浓度模拟序列]；所述径流模拟序列由研究区域的所有子流域的流域径流模拟序列构成，所述总氮浓度模拟序列由研究区域的所有子流域的总氮浓度模拟值构成，所述总磷浓度模拟序列由研究区域的所有子流域的逐日的总磷浓度模拟值构成； 访问SWAT模型项目数据库，提取流域配置结构文件或汇流路由表，并解析获取研究区域的各子流域间的上下游拓扑连接关系及水流流向数据，根据所述上下游拓扑连接关系及水流流向数据构建流域有向图结构； 根据所述流域有向图结构构建邻接矩阵； 从所述流域有向图结构中提取上游节点至当前节点的河道长度、连接上游节点至当前节点的河道比降、连接上游节点至当前节点的河道宽度、连接上游节点至当前节点的河道曼宁粗糙系数和上游节点的质心至当前节点的质心之间的直线距离构成边属性向量； 基于所述静态物理属性数据分别确定当前节点的第一特征向量和前节点对应的上游节点的第二特征向量； 将所述边属性向量、第一特征向量和第二特征向量输入至图注意力层，所述图注意力层利用注意力机制计算上游节点对当前节点的汇流权重； 将所述邻接矩阵作为径流修正模型的拓扑掩码，确定当前节点的直接上游节点集合，并基于所述直接上游节点集合、汇流权重和第二特征向量确定空间聚合特征；并将时间序列长度下的空间聚合特征构成的空间聚合特征序列输入至双向时序特征提取层，生成前向隐状态全序列集合和后向隐状态全序列集合；并基于所述前向隐状态全序列集合中时间轴终点的隐状态和所述后向隐状态全序列集合中时间轴终点的隐状态确定流量残差及修正径流预测值； 基于所述修正径流预测值、所述水利调控数据和参数集合构建损失函数，并通过反向传播计算损失函数相对于参数集合的梯度，并进行迭代更新得到所述参数集合，调整内部权重以最小化预测误差，直至收敛，获得最优参数集合； 基于加载了全流域节点特征集合与边属性特征集合的深度神经网络和径流模拟序列确定逐日径流修正序列； 基于所述总氮浓度模拟序列、总磷浓度模拟序列和所述逐日径流修正序列确定研究区域总氮通量修正序列和总磷通量修正序列。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。