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！

龙图腾网获悉山东省水利科学研究院申请的专利基于多模态特征融合的水库水位预测方法及装置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：CN119721393B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510206228.4，技术领域涉及：G06Q10/04；该发明授权基于多模态特征融合的水库水位预测方法及装置是由毕华军;苏宁;刘培成;李洋;杨萌;孙力;李鹏明;牟强;丁立伟;王康康;武斌;谷相玉设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本基于多模态特征融合的水库水位预测方法及装置在说明书摘要公布了：本发明涉及一种基于多模态特征融合的水库水位预测方法及装置，属于水文预测技术领域。其包括以下步骤：获取水库所在区域的气象数据、水文数据和图像数据；构建特征提取与转换模块，气象数据经过特征提取与转换模块进行处理，得到蒸发量、水库降水量以及水流量；构建特征融合模块，所述特征融合模块包括映射单元和门控注意力模块；蒸发量、水流量以及水库降水量经过映射单元映射到相同维度，然后经过门控注意力模块，得到融合特征；融合特征经过水库水位预测模块进行水位预测，得到水位预测值。本发明通过改进的门控注意力单元动态融合蒸发量、水流量、降水量等多源特征，能够有效降低高维特征的信息冗余与丢失风险，提升预测精度和模型鲁棒性。

本发明授权基于多模态特征融合的水库水位预测方法及装置在权利要求书中公布了：1.一种基于多模态特征融合的水库水位预测方法，其特征在于，包括以下步骤： S1.获取水库所在区域的气象数据、水文数据和图像数据； S2.构建特征提取与转换模块，所述特征提取与转换模块包括蒸发量提取与转换单元、水库降水量提取与转换单元以及水流量提取与转换单元；所述水库所在区域的气象数据、水文数据和图像数据经过特征提取与转换模块进行处理，得到蒸发量、水库降水量以及水流量； S3.构建特征融合模块，所述特征融合模块包括映射单元和门控注意力模块；所述蒸发量、水流量以及水库降水量经过映射单元映射到相同维度，得到蒸发量特征向量、水流量特征向量以及水库降水量特征向量，然后经过门控注意力模块，得到融合特征； 所述门控注意力模块采用改进的门控注意力机制，使用M层门控注意力机制进行特征融合，第层门控注意力机制的具体操作步骤为： 门控注意力神经网络第层接受第层的输出特征向量，公式表示如下： ， 其中，分别表示蒸发量、水流量和水库降水量的特征向量； 通过线性变换，将每个输入特征向量分别映射为查询向量Query、键向量Key和值向量Value，公式表示如下： ， ， ， 其中，表示第l层输入特征集合中的第个特征向量，分别表示在第层第个特征的查询向量、键向量和值向量，分别表示第层的查询向量、键向量和值向量对应的权重矩阵，分别表示第层的查询向量、键向量和值向量对应的偏置项； 在第层，通过计算查询向量与键向量的相似性，得到不同特征之间的注意力权重： ， 其中，表示第个特征与第个特征之间的注意力权重，表示查询向量和键向量的维度,分别表示第层第个特征的查询向量和第个特征的键向量，函数用于将权重归一化为概率分布，确保权重值在0到1之间；根据注意力权重，对值向量进行加权求和，得到更新后的特征向量： ， 其中，表示第个特征在第层经过注意力机制融合后的表示；计算更新后的特征向量与输入数据之间的相似度： 其中，表示相似度；根据相似度的大小，动态调整下一层特征的融合方式： 其中，ξ=0.7是设定的相似度阈值，当时，直接采用更新后的特征向量作为下一层的输入；当时，将原始特征向量与更新后的特征向量进行加权融合后作为下一层的输入； 经过M层门控注意力机制后，所有模态特征被逐步融合，融合特征通过最后一层的值向量按权重加权求和得到： ， 其中，表示融合特征，表示经过M层门控注意力机制融合后，所有模态特征的综合表示；表示第M层第j个特征的全局注意力权重，表示第M层第j个特征的值向量； S4.所述融合特征经过水库水位预测模块进行水位预测，得到水位预测值。

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山东省水利科学研究院，其通讯地址为：250014 山东省济南市历下区历山路125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”。