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！

龙图腾网获悉东南大学申请的专利融合多源数据与物理信息的龙卷风时空智能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：CN120802401B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511286058.1，技术领域涉及：G01W1/10；该发明授权融合多源数据与物理信息的龙卷风时空智能预测方法是由张一鸣;范龙文;李昊卿;王浩;廖睿轩;颜煜炜设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本融合多源数据与物理信息的龙卷风时空智能预测方法在说明书摘要公布了：本发明公开了一种融合多源数据与物理信息的龙卷风时空智能预测方法，包括：收集多普勒天气雷达的观测数据和中期天气预报中心的再分析数据，进行时空维度的投影转化、空间对齐和时间插值等操作，融合龙卷风关键物理特征；建立适用于龙卷风多尺度特征提取的时空卷积模型网络，输入融合特征和对应坐标信息，输出龙卷风时空演变的预测控制量；将大气运动和热力学过程的物理控制方程转化为惩罚项，并嵌入时空卷积模型损失函数，对网络参数进行物理信息约束；获取未来不同时间窗的龙卷风预测控制量，生成龙卷风潜在发展区域概率图。通过融合多源数据与物理机制，量化未来龙卷风事件概率，为气象预测和应急响应提供可靠的数据支持与科学依据。

本发明授权融合多源数据与物理信息的龙卷风时空智能预测方法在权利要求书中公布了：1.一种融合多源数据与物理信息的龙卷风时空智能预测方法，其特征在于，包括以下步骤： 步骤1，多源数据收集：统计不同龙卷风事件的发生时间、地点及强度，收集对应的多普勒天气雷达观测数据和中期天气预报中心ECMWF再分析数据； 步骤2，特征提取与融合：通过时间和空间对齐技术，将不同分辨率的天气雷达数据和ECMWF再分析数据统一插值并投影至高分辨率的笛卡尔网格中，提取两者关键物理特征，并融合为龙卷风时间步数、高度、宽度、通道数四维数据样本； 步骤3，基于时空卷积网络的龙卷风预测：将所述数据样本输入由编码器、跳跃连接和解码器共同组成的时空卷积网络，最终输出龙卷风预测控制量； 所述编码器，其架构嵌套了由卷积长短期记忆网络单元、激活函数和最大池化下采样组成的时空卷积层、以及坐标卷积层和大核选择卷积模块，用于捕捉龙卷风空间结构和时间依赖性； 所述跳跃连接采用注意力门机制，将编码器中对应层次的浅层特征有效整合至解码器； 所述解码器基于考虑坐标信息的双线性上采样和卷积长短期记忆网络单元，逐步恢复特征图的空间分辨率； 步骤4，物理信息引导预测与优化：基于得到的预测控制量，通过自动微分技术计算物理方程残差，并定义包含控制方程损失函数、观测数据损失函数、边界条件损失函数的联合损失函数，基于该联合损失函数反向优化时空卷积网络，预测未来龙卷风；具体包括： 根据时空卷积网络输出，生成龙卷风预测控制量，包括风速场u,v,w、气压场p和温度场Tc，并表示为时间、高度、宽度、通道四维张量形式； 采用纳维-斯托克斯Navier-Stokes方程、连续性方程和热力学能量方程作为物理约束，确保龙卷风预测结果满足流体力学和热力学规律；三者方程形式如下： 式中，为偏导数，t为时间步数，u为风速矢量，Tc为温度，p为气压，ρ为密度，ν为运动粘性系数，k为热扩散系数，f为外力项，Q为热源项，为梯度算子； 计算预测控制量对时间和空间的偏导数，代入物理约束方程，得到每一点的残差值，并进行归一化处理，计算其均方根误差Lphys： 式中，F·为物理方程的残差函数，为预测点i从1取到N的遍历求和； 将预测控制量与天气雷达和ECMWF数据进行比较，计算其均方根误差Ldata： 式中，ypred为预测值，yobs为观测值，为观测点i从1取到N的遍历求和； 对预测区域施加狄利克雷边界条件，计算边界点预测值与边界条件之间差异的偏差Lbc： 式中，ypred_bc为边界预测值，ybc为边界值，为边界点i从1取到N的遍历求和； 联合总损失函数Ltotal定义为： Ltotal＝λ1Lphys+λ2Ldata+λ3Lbc22 式中，λ1、λ2、λ3分别为权重系数；采用反向传播算法基于总损失函数Ltotal，优化深度神经网络参数，完成模型训练； 步骤5，输出概率量化：对时空卷积网络设定不同时间窗，获取未来不同时刻龙卷风预测控制量，基于概率预测生成一系列高分辨率的龙卷风潜在发展区域概率图，并设定概率阈值计算其置信度区间，为气象预报人员提供明确的预警决策支持；具体包括： 根据气象预报需求，设定预测时间窗和时间分辨率；在网络输出层后添加概率预测模块，使用激活函数将每个时间点的预测控制量缩放至[0,1]区间内，生成每个网格点的龙卷风发生概率，形成时间、高度、宽度、概率值四维概率张量； 基于历史数据，计算概率分布的接收者操作特征曲线和性能图，优化阈值以最大化关键成功指数； 通过应用阈值生成二值化掩膜，标记潜在龙卷风生成区域；采用连通域分析算法聚类高概率区域，生成连续的潜在生成区域边界；应用高斯平滑滤波，以保留主要高概率区域形态； 计算概率样本每个网格点的均值和标准差，构建置信度区间，并以误差条形式叠加在概率图上；基于概率阈值和置信度，划分低、中、高风险预警等级； 最后生成龙卷风时序预测概率图，按地面高度输出二维切片，标注高概率区域边界、置信度区间及预警等级，为龙卷风预报人员提供直观预警信息。

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东南大学，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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。