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！

龙图腾网获悉中国水利水电科学研究院申请的专利一种基于多因素耦合的山丘区极端暴雨事件预测与分析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：CN120633905B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202510668544.3，技术领域涉及：G06Q10/04；该发明授权一种基于多因素耦合的山丘区极端暴雨事件预测与分析方法是由刘潇;刘荣华;田济扬;刘启;孙朝兴;刘晓婉设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本一种基于多因素耦合的山丘区极端暴雨事件预测与分析方法在说明书摘要公布了：本发明公开了一种基于多因素耦合的山丘区极端暴雨事件预测与分析方法，包括：步骤S1数据收集与预处理，将预处理后的数据划分为训练数据集和测试数据集，步骤S2多因素特征提取，提取主要气象特征，计算地形指数以表示地形对降水的影响，步骤S3关键影响因素筛选，步骤S4预测模型构建与训练，采用支持向量机算法构建极端暴雨事件预测模型，步骤S5预测结果评估，包括准确率、召回率、精确率、平衡所述召回率和精确率的综合指标F1值。本发明方法减少了数据的冗余和噪声，提高了预测模型的效率和准确性，能够更准确地捕捉多因素之间的复杂关系，从而提高对极端暴雨事件的预测精度。

本发明授权一种基于多因素耦合的山丘区极端暴雨事件预测与分析方法在权利要求书中公布了：1.一种基于多因素耦合的山丘区极端暴雨事件预测与分析方法，其特征在于，包括以下步骤： 步骤S1，数据收集与预处理：收集欧洲中期天气预报中心的ERA5数据集、研究区域内气象站实测数据、反映研究区域地形地貌特征的DEM数字高程模型数据；对收集到的数据进行预处理，包括质量控制和标准化处理，所述质量控制依次包括采用时空耦合的动态阈值法、多变量联合检验、时空密度聚类验证及物理机理反演校验的混合策略剔除异常值和填充缺失值，将预处理后的数据划分为训练数据集和测试数据集； 所述物理机理反演校验是对准备剔除的异常值进行水汽通量验证，并判断是否 超过研究区域历史极值第95百分位数，若超过则判定为真实极端事件，该数据予以保留； 步骤S2，多因素特征提取：使用主成分分析方法进行降维处理，提取主要气象特征，计 算地形指数以表示地形对降水的影响： 式中，a为汇流面积，b为坡度； 步骤S3，关键影响因素筛选：利用随机森林算法对提取的多因素特征进行重要性排序，选取重要性得分较高的特征作为极端暴雨事件的关键影响因素；包括： 步骤S31，计算总体重要性：利用随机森林构建多个决策树对数据进行分类或回归，每 个决策树随机选取一部分样本和特征进行训练，训练完成后，通过计算每个特征在所有决 策树中的平均不纯度减少量来评估其总体重要性，设特征在第颗决策树中的重要性为，特征的总体重要性计算公式为： 式中，为特征的总体重要性，为决策树的数量，为特征在第颗决策树中的重 要性； 步骤S32，选取关键影响因素：将步骤S2中提取的多因素特征按照总体重要性从大到小 排序，选取总体重要性较高的前个特征作为极端暴雨事件的关键影响因素；其中，的取 值范围为，为步骤S2提取的多因素特征总数量；选取总体重要性较高的前个 特征时，确保累积重要性大于等于第二预设阈值，累积重要性CumulativeImportance公式 为： 式中，为从大到小排序的特征的总体重要性； 步骤S4，预测模型构建与训练：采用支持向量机算法构建极端暴雨事件预测模型；使用筛选出的极端暴雨事件的关键影响因素作为所述预测模型的输入特征，“极端暴雨事件是否发生”作为所述预测模型的输出标签，对预测模型进行训练直至模型训练完成； 步骤S5，预测结果评估：使用步骤S1中所述测试数据集对步骤S4中训练完成的极端暴 雨事件预测模型进行评估，评估指标包括准确率、召回率、精确率、平衡所述召回率和精确 率的综合指标值； 其中，所述步骤S1中所述剔除异常值具体步骤包括： 第一步，单变量时空动态阈值检测：对每个气象变量构建时空滑动窗口，计算动态阈值： 式中，为时空窗口内第75百分位数，为四分位距，，为时空窗口内地25百分位数；为站点与邻域高 程差异的均值，为参考高程参数，为地形调节因子，为站点高程，为研究 区域平均高程，为高程标准差； 对超过阈值的疑似异常值，通过时间序列曲率验证，公式为： 若满足以下条件则判定为异常值： 式中，为当前时刻时间步长，为气象变量在时间处的观测值，为时间后下一 个时间步的观测值，时间前上一个时间步的观测值，为曲率标准差，为 季节均值； 第二步，多变量联合异常检测：计算多变量马氏距离： 式中，为多变量观测向量，为均值向量，为矩阵或向量的转置运算符；为协方差矩 阵； 引入地形权重修正阈值： 式中，为变量数，为自由度为的卡方分布99%分位数，为当前点位地形指 数，为研究区域最大地形指数，为汇流面积，为坡度； 若满足则判定为多变量耦合异常值； 第三步，时空密度聚类验证：计算复合时空距离度量： 式中，为空间欧氏距离，为时间间隔，为研究区域内所有空间点对之间 的最大欧氏距离，为研究时间范围内的最大时间跨度，为变量趋势皮尔逊 相关系数，、、为可调节的权重系数，； 计算自适应密度参数： 式中，为邻域半径，为距离分布均值，为距离标准差，MinPts为最小簇点数，为总样本数； 若数据样本点不归属于任何密度簇且未被80%以上邻近点覆盖则判定为异常值； 四步，物理机理反演校验：对准备剔除的异常值进行水汽通量验证，公式为： 若满足以下条件则判定为真实极端事件，该数据予以保留： 式中，为研究区域历史极值第95百分位数，为比湿，即单位质量湿空气中水汽的质 量，为三维风速向量，为东-西方向，为南-北方向，为垂直方向，为东-西方向风速， 东为正，为南-北方向风速，北为正，垂直方向风速，向上为正。

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水利水电科学研究院，其通讯地址为：100048 北京市海淀区车公庄西路20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。