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！

龙图腾网获悉福建理工大学申请的专利基于DAI-LSTM-AT模型的海上风速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：CN121145931B 。

龙图腾网通过国家知识产权局官网在2026-01-13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：202511677258.X，技术领域涉及：G06N3/0442；该发明授权基于DAI-LSTM-AT模型的海上风速预测方法是由郭乔影;陈仍煜;董帝渤;孙倩;宁丽巧;冯飞宇;聂璐怡;晏康设计研发完成，并于2025-11-17向国家知识产权局提交的专利申请。

本基于DAI-LSTM-AT模型的海上风速预测方法在说明书摘要公布了：本发明公开了基于DAI‑LSTM‑AT模型的海上风速预测方法，涉及气象预测与人工智能技术领域，该方法包括：获取目标区域的气象网格再分析数据以及目标点位置的浮标观测数据；根据气象网格再分析数据，对浮标观测数据进行高度换算和时间对齐处理，并对气象网格再分析数据和处理后的浮标观测数据进行归一化处理，得到归一化数据；根据长短期记忆网络、动态注意力插值法和Transformer结构，构建海上风速预测模型，并输入归一化数据，得到目标点位置的海上风速预测值。本发明解决了传统方法观测稀疏数据区域数据精度不足、深远海再分析数据精度有限、泛化性弱和预测精度低的问题，实现了对精确位置进行准确、高效的海上风速预测。

本发明授权基于DAI-LSTM-AT模型的海上风速预测方法在权利要求书中公布了：1.基于DAI-LSTM-AT模型的海上风速预测方法，其特征在于，所述海上风速预测方法，包括以下步骤： S1、获取目标区域的气象网格再分析数据以及目标点位置的浮标观测数据； S2、根据气象网格再分析数据，对浮标观测数据进行高度换算和时间对齐处理，并对气象网格再分析数据和处理后的浮标观测数据进行归一化处理，得到归一化数据； S3、根据长短期记忆网络、动态注意力插值法和Transformer结构，构建海上风速预测模型； S4、将归一化数据输入至海上风速预测模型中，得到目标点位置的海上风速预测值； S3中根据长短期记忆网络、动态注意力插值法和Transformer结构，构建海上风速预测模型的具体内容包括： 获取区域的气象网格再分析历史数据、点位置的浮标观测历史数据和点位置的海上历史风速值；所述点位置处于所述区域中； 根据气象网格再分析历史数据，对浮标观测历史数据进行高度换算和时间对齐处理，并对气象网格再分析历史数据和处理后的浮标观测历史数据进行归一化处理，得到归一化历史数据； 根据归一化历史数据和海上历史风速值，构建训练集、验证集和测试集； 构建卷积长短期记忆网络；所述卷积长短期记忆网络是将长短期记忆网络中的矩阵乘法替换为卷积运算得到的； 基于可学习的自注意力机制构建动态注意力插值模块； 基于Transformer结构构建LSTM-Transformer模块； 对卷积长短期记忆网络、动态注意力插值模块和LSTM-Transformer模块进行连接，得到海上风速预测模型的初始模型； 基于训练集、验证集和测试集对初始模型进行训练、验证和测试，并将训练、验证和测试好的初始模型作为海上风速预测模型； 基于可学习的自注意力机制构建动态注意力插值模块的具体内容包括： 根据时空特征获取纬度和经度； 通过全连接编码层对纬度和经度进行投影，得到位置查询向量； 通过线性投影层对时空特征进行映射，得到时空映射特征；所述时空映射特征与位置查询向量的维度相同； 定义嵌入矩阵，并与时空映射特征逐元素相加，得到空间位置融合特征； 对位置查询向量和空间位置融合特征进行相似度计算，并进行加权求和，得到全局向量； 全局向量经投影处理和层归一化处理，得到位置特征序列，并获得动态注意力插值模块。

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福建理工大学，其通讯地址为：350118 福建省福州市闽侯县上街镇学府南路69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。