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！

龙图腾网获悉浙江省水利河口研究院(浙江省海洋规划设计研究院)申请的专利一种气象-水文-水动力耦合小流域山洪灾害预报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：CN119849343B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202510337859.X，技术领域涉及：G06F30/27；该发明授权一种气象-水文-水动力耦合小流域山洪灾害预报方法是由张新海;赵里均;王良;李倩;李翰泽;范亚洲;陈焕宝;张丽红;闫滨设计研发完成，并于2025-03-21向国家知识产权局提交的专利申请。

本一种气象-水文-水动力耦合小流域山洪灾害预报方法在说明书摘要公布了：本发明公开了一种气象‑水文‑水动力耦合小流域山洪灾害预报方法，该方法通过构建致灾因子及孕灾环境多维量化指标体系，结合三维水系模型和光滑粒子流体动力学（SPH）水动力模型，构建灾害预测本体并提取特征数据，通过机器学习和深度学习优化特征和目标变量，并对提取的特征进行训练，并基于历史山洪灾害数据构建灾害场景，从而建立水文气象数据—水动力特性—水位流量表征—灾害情况的链式关系。本发明通过精细的水动力模拟，准确考虑泥沙沉积及杂质影响，结合气象‑水文模型提供详细的洪水流动路径和速度预测，实现了高精度、实时性的山洪风险预测与多种灾害情景构建，有效提升山洪预报的准确性和响应速度。

本发明授权一种气象-水文-水动力耦合小流域山洪灾害预报方法在权利要求书中公布了：1.一种气象-水文-水动力耦合小流域山洪灾害预报方法，其特征在于，包括如下步骤：步骤S1，综合收集多源数据，并通过卫星图像获取流域水系、地形高程、坡度的三维空间数据；步骤S2，通过清洗数据以去除噪声和缺失值，进行归一化和标准化处理统一数据尺度；步骤S3，选取并量化影响山洪发生的主要致灾因子以及孕灾环境因素，基于多元因子与环境要素的综合分析，构建多维量化指标体系；步骤S4，构建三维水系模型，基于数字地形高程、流域水系图、河道断面数据、河床地形图、河岸堤防工程数据建立河道水动力三维模型，并整合地形数据，并将水系分段；步骤S5，采用光滑粒子法SPH构建分段分节点的水动力模型，模拟山洪过程中的水流运动、传播和溢出；结合水文数据和气象数据，模拟不同情景下洪水的运动轨迹；步骤S6，运行SPH模型后，分析洪水的关键指标并提取并分析各段水系的水流特性指标，具体为，基于SPH模型输出的数据，计算不同降雨强度、持续时间及地形条件下山洪的传播模式，分析洪水的关键指标：扩展速度、易溢出位置、河道淹没区域；提取并分析各段水系的水流特性，包括关键指标：最大水位、最大流量、洪水传播速度、预计淹没区域；从而量化致灾因子和孕灾环境在不同情境下的响应，将提取的关键指标作为二次采集数据，数据预处理后整合为预测模型输入变量；步骤S7，将从SPH模型中获得的水流特性指标作为目标变量，通过机器学习和深度学习优化目标变量，并对提取的特征进行训练，构建水文气象数据—水动力特性—水位流量表征—灾害情况的链式关系；具体包括如下子步骤：步骤S7-1，基于统计学方法或机器学习算法，建立多维量化指标体系中各致灾因子和孕灾环境因子与最具预测能力的关键指标的非线性关系模型，通过特征选择算法筛选对山洪发生最有影响的因子，并对各因子进行量化，计算各致灾因子和孕灾环境因子的敏感性；步骤S7-2，将从SPH模型中获得的最大水位、最大流量、洪水传播速度、预计淹没区域作为目标变量，通过机器学习和深度学习优化目标变量，并对提取的特征进行训练，建立多因子多变量预测模型；步骤S7-3，构建水文气象数据—水动力特性—水位流量表征—灾害情况的链式关系；步骤S7-4，通过分析历史数据中的降雨量、流量变化与灾害影响，建立不同情景下的山洪灾害发生机制；步骤S7-5，利用生成的灾害场景，模拟不同降雨强度和持续时间下的山洪响应，提供多种灾害情景预测；步骤S8，对模型验证与算法优化，得到训练好的综合模型；步骤S9，将训练好的综合模型部署到实时数据处理系统，实时预报与发布预警信息。

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浙江省水利河口研究院(浙江省海洋规划设计研究院)，其通讯地址为：310020 浙江省杭州市上城区凤起东路50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”。