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！

龙图腾网获悉电子科技大学申请的专利一种药用作物蒸腾量预测方法、设备和介质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：CN116894178B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202310964702.0，技术领域涉及：G06F18/213；该发明授权一种药用作物蒸腾量预测方法、设备和介质是由高攀;刘勇国;朱嘉静;张云;李巧勤;兰刚设计研发完成，并于2023-08-02向国家知识产权局提交的专利申请。

本一种药用作物蒸腾量预测方法、设备和介质在说明书摘要公布了：本发明公开了一种药用作物蒸腾量预测方法、设备和介质，包括以下具体步骤：采集蒸腾量相关环境数据，对数据进行预处理，确定蒸腾量关键影响因子；基于预处理后的数据构建CNN‑W模型和CNN‑S模型，结合蒸腾量关键影响因子确定特征矩阵，CNN‑W模型用于捕获气象环境数据的时间依赖性，CNN‑S模型用于捕获土壤环境数据的时间依赖性；构建全局编码器和局部编码器，基于特征矩阵提取时序特征；对提取的时序特征进行融合，根据融合特征进行蒸腾量预测。通过对时序特征进行融合输出以及后续依赖时间协变量进行特征提取，有效的抓取了时序数据的自相关性，并挖掘蒸腾量与环境影响因子之间的依赖关系，提升了蒸腾量预测的准确率和稳定性。

本发明授权一种药用作物蒸腾量预测方法、设备和介质在权利要求书中公布了：1.一种药用作物蒸腾量预测方法，其特征在于，包括以下具体步骤： 采集蒸腾量相关环境数据，对数据进行预处理，确定蒸腾量关键影响因子； 基于预处理后的数据构建CNN-W模型和CNN-S模型，结合蒸腾量关键影响因子确定特征矩阵，所述CNN-W模型用于捕获气象环境数据的时间依赖性，所述CNN-S模型用于捕获土壤环境数据的时间依赖性； 所述确定特征矩阵具体包括： 根据归一化环境数据，构建CNN-W模型和CNN-S模型； 将蒸腾量关键影响因子作为依赖时间协变量输入到CNN-W模型和CNN-S模型中，通过一维卷积捕获蒸腾量关键影响因子的时间相关性； 将蒸腾量关键影响因子的时间相关性结合全连接层输出通过卷积操作，获得特征矩阵； 构建全局编码器和局部编码器，基于特征矩阵提取时序特征，具体包括：采用全局编码器模块提取时序全局信息，采用局部编码器模块提取时序局部信息； 所述采用全局编码器模块提取时序全局信息具体包括： 构建时间卷积网络，所述时间卷积网络的残差块包括两层多尺度扩展因果卷积； 向时间卷积网络的残差块的每层加入层归一化和LeakyReLU激活函数，采用1×1卷积调整网络输入张量，确定扩展因子； 基于不同扩展因子大小确定扩展因果卷积，在每层使用不同感受野范围的扩展因果卷积运算确定全面的全局特征信息，得到输出特征； 所述采用局部编码器模块提取时序局部信息具体包括： 对特征矩阵进行卷积操作，得到特征，对特征进行自校准操作，得到校准特征； 将校准特征映射到原始特征空间得到输出特征； 对输出特征进行自校准操作，得到输出特征； 将输出特征和输出特征进行串联操作得到连接特征，对特征进行卷积操作得到包含局部鉴别特征的输出特征； 对提取的时序特征进行融合，根据融合特征进行蒸腾量预测。

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电子科技大学，其通讯地址为：610000 四川省成都市高新区（西区）西源大道2006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”。