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！

龙图腾网获悉天津大学申请的专利一种基于特征重点捕捉机制的混合模型海冰范围预测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：CN119761540B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411492590.4，技术领域涉及：G06Q10/04；该发明授权一种基于特征重点捕捉机制的混合模型海冰范围预测方法是由高源;李梦龙;马丹;侯春萍;杨阳设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本一种基于特征重点捕捉机制的混合模型海冰范围预测方法在说明书摘要公布了：本发明提出一种基于特征重点捕捉机制的混合模型海冰范围预测方法：获取海冰浓度与9个大气、气象变量的每月ERA5再分析数据作为实验数据，NSIDC的月度海冰范围数据作为参考数据，将所有数据进行预处理得到所需的标准数据；使用空间特征提取模块提取二维海冰浓度数据中隐藏的空间特征，该特征将与后续特征进行融合；从空间特征提取模块提取出来的海冰空间特征将与大气、气象多变量特征进行融合，输入到双向局部特征提取模块中，捕捉只存在于某个特定的时间或区域的某些双向关系与依赖；双向时序特征提取模块继续处理从双向局部特征提取模块所得到的特征，捕捉特征前后时刻之间的复杂关系；最后特征重点捕捉机制通过给予相关信息更高的权重。

本发明授权一种基于特征重点捕捉机制的混合模型海冰范围预测方法在权利要求书中公布了：1.一种基于特征重点捕捉机制的混合模型海冰范围预测方法，其特征在于，包括下列步骤： S1、获取海冰浓度与大气、气象变量的每月EAR5再分析数据作为实验数据，获取国家冰雪数据中心的月度海冰范围数据作为参考数据，对实验数据和参考数据进行预处理得到所需的标准数据； S2、使用空间特征提取模块提取二维海冰浓度数据中隐藏的空间特征，将所提取的特征与后续特征进行融合，作为重要预测因子来预测未来海冰范围；所述空间特征提取模块通过卷积神经网络实现，具体设计如下： 所述空间特征提取模块的卷积神经网络包括四个卷积层块结构，每个卷积层块包括卷积层、权重归一层、ReLU和最大池化层，其中，所述卷积层的卷积核大小为3×3，卷积层通过卷积运算识别海冰浓度数据中的空间特征；最大池化层以步长为2的2×2窗口进行池化操作，降低特征的维度并保留主要特征； 输入卷积神经网络的数据格式为10,1,1440,261，其中，10为batchsize，1为通道数，1440×261表示数据的经纬度，对数据进行多层次的特征提取和降维处理，输出特征形状为10,64,90,16； 将所得的特征表示传递到两个全连接层进行进一步的处理以输出空间特征，最终输出特征形状为10,64； S3、将S2中提取得到的空间特征与大气、气象多变量特征进行融合，并将融合张量继续输入到双向局部特征提取模块中，捕捉其只存在于某个特定的时间或区域的双向关系与依赖；所述双向局部特征提取模块通过双向时间卷积网络实现，具体设计如下： 双向时间卷积网络包括正向时序卷积和反向时序卷积两个组成部分，正向时序卷积和反向时序卷积通过堆叠多个卷积层以提取不同尺度的特征，进而捕捉序列数据中不同时间范围的特征； 利用多尺度信息提取能力使得TCN对序列数据中的局部依赖关系更加敏感以有效提取时间序列的局部特征； 所述TCN由因果卷积、膨胀卷积、残差连接三部分构成，其中，因果卷积和膨胀卷积相结合，组成因果膨胀卷积；所述因果膨胀卷积定义为： 滤波器F=f1,f2,…,fK，时间序列X=x1,x2,…,xT，在xt处的dilation rate为d的膨胀卷积公式如下所示： 3残差网络用以解决因网络加深造成的梯度爆炸和梯度消失的问题，其将每层输入直接与输出相加，输出公式如下所示： 4其中，o表示残差模块输出；X表示输入数据；FX表示经非线性转换后的数据； 所述因果膨胀卷积共设置4层，kernel设置为2，每层的膨胀系数d分别设为1、2、4、8； S4、利用双向时序特征提取模块继续处理S3中双向局部特征提取模块所提取得到的特征，捕捉特征前后时刻时间的复杂关系；所述双向时序特征提取模块通过双向门控循环单元实现，具体设计如下： 双向门控循环单元由两个方向相反的单向GRU组成；GRU网络由更新门、重置门两个门控单元进行训练； 所述更新门的函数表示如下： 5所述重置门的函数表示如下： 6新的候选状态公式如下所示： 7更新隐藏状态公式如下所示： 8其中，xt表示输入数据；ht表示GRU单元的输出；rt表示重置门；zt表示更新门；σ表示Sigmoid函数；Wz,Wr,Wh分别表示更新门、重置门以及候选隐含状态的权重矩阵； S5、设计特征重点捕捉机制，给予相关信息更高的权重，减少无关信息的干扰；所述特征重点捕捉机制通过注意力机制实现，所述特征重点捕捉机制用于使模型自动学习输入序列中的关键信息，通过给予相关信息更高的权重，使得模型更加关注与海冰范围相关的部分，减少对无关信息的干扰。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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”。