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！

龙图腾网获悉中国气象局上海台风研究所(上海市气象科学研究所);上海师范大学申请的专利一种基于风-地形多尺度空间相关性考量的台风大风预测方法及系统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：CN120562255B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510622753.4，技术领域涉及：G06F30/27；该发明授权一种基于风-地形多尺度空间相关性考量的台风大风预测方法及系统是由陈佩燕;余晖;廉洁;黄司戎设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本一种基于风-地形多尺度空间相关性考量的台风大风预测方法及系统在说明书摘要公布了：本发明涉及一种基于风‑地形多尺度空间相关性考量的台风大风预测方法及系统，数据预处理与预测目标建立模块获取未来1小时台风风场和地形数据，并进行标准化处理；将当前时次气象观测站点数据插值为网格数据，计算其与未来1小时数据的差值，作为预测目标；多尺度风‑地形空间相关性提取模块将标准化后的数据输入网络，通过特征高维投影、多尺度融合和全连接预测，输出台风风场网格的精细化预测结果；模型优化与参数调整模块通过加权损失函数增强大风区域权重，避免风速分布压缩；解决现有台风风场预测方法在复杂地形和极端台风路径条件下，风场预报精度和可靠性不足，以及在稳定性、适应性和精细化模拟方面存在缺陷的问题。

本发明授权一种基于风-地形多尺度空间相关性考量的台风大风预测方法及系统在权利要求书中公布了：1.一种基于风-地形多尺度空间相关性考量的台风大风预测方法，其特征在于，包括以下步骤： S1、建立预测目标；获取未来1小时热带气旋路径预报数据，包括工程台风风场数据和地形数据，对这些数据进行标准化处理，得到标准化风场数据和标准化地形数据；将标准化后的当前时次气象观测站点数据插值为网格数据后，与未来1小时气象观测站点数据间的差值作为模型预测目标； 步骤S1具体为： S11、获取未来1小时的热带气旋路径预报数据，根据路径预报数据提取预报中心位置获取当前时次气象观测站点数据、未来1小时工程台风风场数据和地形数据； S12、对获取的工程台风模型风场数据和地形数据进行预处理，将不同数据分别进行标准化处理，生成标准化数据；将所述标准化风场数据和标准化地形数据分别表示为和；其标准化过程为： 其中，代表标准化操作，代表输入的工程台风风场数据，代表输入的地形数据，代表标准化后的未来1小时台风风场数据，代表标准化后的地形数据；将当前时次气象观测站点数据使用双三次插值方法插值为网格，网格分辨率与和相同，记作； S13、将标准化后的当前时次气象观测站点数据与未来1小时气象观测站点数据间的差值作为模型预测目标，预测目标计算为： 其中为未来1小时预测风场，代表深度学习网络； S2、预测台风风场网格；将标准化风场、地形数据、网格观测输入多尺度风-地形空间相关性提取网络进行预测，输出台风风场网格预测，所述多尺度风-地形空间相关性提取网络由特征高维投影模块、多尺度高维特征融合模块、全连接预测模块组成； 步骤S2具体为： S21、标准化风场、地形数据输入特征高维投影模块，特征高维投影模块输出风场和地形总高维特征，特征高维投影模块计算公式如下： 其中，代表特征高维投影模块，代表经过特征高维投影模块处理后的高维台风风场特征，代表经过特征高维投影模块处理后的高维地形特征，代表拼接操作，代表台风风场和地形总高维特征； 每个特征高维投影模块由三个卷积模块和两个Maxpooling池化层以及注意力层组成，每个卷积模块包含卷积层和Silu激活层，每个特征高维投影模块的计算过程为： 其中，代表特征提取模块的输入，为卷积操作，为SiLU激活操作，为BatchNormalization批归一化操作，为最大池化操作，代表注意力模块处理操作，为特征高维投影模块的输出； S22、将所述台风风场和地形总高维特征输入多尺度高维特征融合模块FM，输出多尺度风-地形高维融合特征；多尺度高维特征融合模块以高维特征为输入，经过三个多尺度融合层Multi-scaleFusion，MSF层和三个注意力模块将高维风场特征和高维地形特征进行融合，捕获风场和地形之间的相关性，输出多尺度高维融合特征，作为全连接预测模块输入；多尺度高维特征融合模块计算公式如下： 其中为输入高维特征，为模块的特征融合操作，为第一个MSF层融合的特征，为第一个注意力模块权重调整后的特征，为第二个MSF层融合的特征，为第二个注意力模块权重调整后的特征，为第三个MSF层融合的特征为第三个注意力模块权重调整后的特征，经过三个MSF层和三个注意力模块完成特征融合工作，得到融合特征； S23、全连接预测模块利用多尺度风-地形高维融合特征进行预测，输出台风风场网格预测； S3、优化模型参数；通过加权损失函数的设计，增强大风区域的权重，避免模型在训练过程中对风速分布的压缩效应，从而提高对台风大风的预测精度，更好地捕捉极端风速变化。

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中国气象局上海台风研究所(上海市气象科学研究所);上海师范大学，其通讯地址为：200030 上海市徐汇区蒲西路166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。