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！

龙图腾网获悉贵州省山地气象科学研究所申请的专利基于强降水贡献评分的临近降水预报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：CN121051703B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202511589047.0，技术领域涉及：G06F18/25；该发明授权基于强降水贡献评分的临近降水预报方法及系统是由孔德璇;智协飞;季焱;庄潇然;朱育雷;李从英;陆伟;翁羽;杨雨蒙;黄钰;陈广迪;支亚京;唐远志;廖婷婷设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本基于强降水贡献评分的临近降水预报方法及系统在说明书摘要公布了：本发明公开了一种基于强降水贡献评分的临近降水预报方法及系统，该方法通过改进的临近降水预报模型，根据实时多模态的气象实况数据进行临近降水预报；该改进的临近降水预报模型基于VisionTransformer网络建立，通过因子重要性置换实验计算多模态的气象实况数据的贡献排序评分，根据贡献排序评分计算多模态的气象实况数据的最优动态学习权重系数，根据最优动态学习权重系数对多模态的气象实况数据的特征向量进行拼接融合。本发明改进了跨模态动态学习的强降水物理知识引导，提升了多模态数据特征的融合效果，提高了强降水预报准确率。

本发明授权基于强降水贡献评分的临近降水预报方法及系统在权利要求书中公布了：1.一种基于强降水贡献评分的临近降水预报方法，其特征在于，包括： 建立改进的临近降水预报模型，获取实时多模态的气象实况数据输入改进的临近降水预报模型，进行临近降水预报； 所述改进的临近降水预报模型基于VisionTransformer网络建立，其中根据最优动态学习权重系数对多模态的气象实况数据的特征向量进行拼接融合； 所述最优动态学习权重系数的计算方法包括：采集多模态的气象实况数据并构建测试数据集；基于VisionTransformer网络建立多模态的气象实况数据的深度学习临近降水预报模型，利用测试数据集生成一段时间内的测试临近降水预报；根据所述测试临近降水预报及测试数据集，通过因子重要性置换实验计算多模态的气象实况数据对于强降水预报的贡献排序评分；根据所述贡献排序评分计算多模态的气象实况数据的最优动态学习权重系数； 所述根据最优动态学习权重系数对多模态的气象实况数据的特征向量进行拼接融合包括： 将最优动态学习权重系数作为多头注意力机制的初始权重系数，计算跨模态动态权重学习的多头注意力机制特征向量以及动态权重依赖系数；对动态权重依赖系数进行归一化得到跨模态学习的动态权重系数； 将各模态的特征向量按照动态权重系数进行加权拼接，得到拼接后的特征向量； 所述最优动态学习权重系数为： ； 为第i个数据通道的最优动态学习权重系数，为第i个数据通道的强降水贡献评分，表示通道数量； 所述动态权重依赖系数为： ； 为第i个数据通道的动态权重依赖系数，为第i个数据通道的键矩阵，表示第i个数据通道的查询矩阵的转置矩阵，exp为非线性经验函数，表示每个头中查询和键的投影维度； 所述动态权重系数为： ； 表示非线性函数，表示第i个通道的跨模态学习得到的动态权重系数。

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贵州省山地气象科学研究所，其通讯地址为：550081 贵州省贵阳市观山湖区兴筑路58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。