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！

龙图腾网获悉南京信息工程大学申请的专利一种基于时空图神经网络的气温数据质量控制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：CN120632752B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202511143932.6，技术领域涉及：G06F18/2433；该发明授权一种基于时空图神经网络的气温数据质量控制方法是由熊雄;夏欣媛;姜肖亚;鲁耘萌设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本一种基于时空图神经网络的气温数据质量控制方法在说明书摘要公布了：本发明提供了提出了一种基于时空图神经网络的气温数据质量控制方法，包括：步骤1，针对目标站点，在预设历史范围内预设时距的各历史时间点，获取目标气象站点以及相距目标站点预设距离内所有气象站点的日平均气温数据，并对数据进行预处理；步骤2，构建改进的时空图卷积网络STGCN模型；步骤3，通过最小化预测误差指标中的均方根误差RMSE和平均绝对误差MAE对时空图卷积网络STGCN模型的参数进行优化；步骤4，观测数据质量控制：构建质量控制模型，将步骤3中预测得到的气温值与观测值进行比较。

本发明授权一种基于时空图神经网络的气温数据质量控制方法在权利要求书中公布了：1.一种基于时空图神经网络的气温数据质量控制方法，其特征在于，包括以下步骤： 步骤1，针对目标站点，在预设历史范围内预设时距的各历史时间点，获取目标气象站点以及相距目标站点预设距离内所有气象站点的日平均气温数据，并对数据进行预处理；同时采集各站点的海拔高度和经纬度信息作为空间属性特征； 步骤2，构建改进的时空图卷积网络STGCN模型，以固定历史范围内的日平均气温数据为输入，目标时间的预测气温为输出；所述时空图卷积网络STGCN模型包括时间模块与空间模块； 所述时间模块采用残差扩张因果卷积与基于高斯分布的概率化时间卷积的融合架构，残差扩张因果卷积通过两层以上一维扩张因果卷积组成，以指数递增的扩张因子提取不同时间尺度下的时序特征，每一层卷积操作后均通过残差连接将输入与输出直接相加；卷积输出经1×1卷积分别生成均值与方差，其中方差通过Softplus函数确保非负性，形成高斯概率分布特征，进一步输入高斯门控循环单元GGRU，高斯门控循环单元GGRU以门控机制对多尺度的高斯分布表示进行递归融合，输出每个时间步的高斯分布特征； 所述空间模块采用图卷积网络GCN进行空间依赖关系建模，首先将时间模块输出的均值与方差进行加权融合作为初始输入节点特征矩阵，再基于气象站点间的欧氏距离和海拔差，构建空间衰变关联函数来构建气象站点之间的无向图邻接矩阵，生成归一化邻接矩阵；通过多层图卷积网络GCN逐步融合节点自身和邻居节点的特征信息，实现对地面气温观测数据空间依赖的深度建模，设置线性输出层将节点特征映射为标量，最终输出所有站点的确定性温度预测值； 步骤3，通过最小化预测误差指标中的均方根误差RMSE和平均绝对误差MAE对时空图卷积网络STGCN模型的参数进行优化，采用Adam优化器并设置学习率衰减策略，引入一种空间协同损失函数，约束时空图卷积网络STGCN模型在空间邻近站点上的预测结果；利用训练完成的时空图卷积网络STGCN模型进行气温预测，将两个以上气象站点的连续历史气温序列作为输入张量，输入至训练好的时空图卷积网络STGCN模型中，模型自动完成时间卷积与空间卷积的特征提取，并输出目标预测时刻或两个以上未来时刻的气温预测值； 步骤4，观测数据质量控制：构建质量控制模型，将步骤3中预测得到的气温值与观测值进行比较，依据判别规则识别异常数据，其中判别式采用质控参数f决定可接受误差的阈值，使用F2分数选择最优参数f’值，最终实现地面气温观测数据的实时质量控制。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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。