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！

龙图腾网获悉中国海洋大学申请的专利一种多尺度物理增强型不规则海浪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：CN121350592B 。

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：202511922914.8，技术领域涉及：G06F18/213；该发明授权一种多尺度物理增强型不规则海浪预测方法是由崔璨;李泓洋设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种多尺度物理增强型不规则海浪预测方法在说明书摘要公布了：本发明涉及海浪高度预测技术领域，公开一种多尺度物理增强型不规则海浪预测方法，包括如下步骤：1收集海洋波浪历史数据，对数据进行预处理，并进行训练集、验证集和测试集划分；2通过小波分解，将波浪数据分解为高、中、低频三个分量；3构建WaveFormer模型；4对WaveFormer模型进行训练，5将测试集送入训练WaveFormer模型，得到波高预测值。本发明采用两层平稳小波变换将原始波浪序列分解为高频、中频和低频三个分量，显式让模型捕获不规则波浪的多尺度特征，确保波浪预测的合理性，在保证预测精度的前提下实现序列级预测，提高了预测效率，基于波浪预测结果构建数据驱动项，使得模型预测准确率进一步提升。

本发明授权一种多尺度物理增强型不规则海浪预测方法在权利要求书中公布了：1.一种多尺度物理增强型不规则海浪预测方法，其特征在于，包括如下步骤： 1收集海洋波浪历史数据，对数据进行预处理，并进行训练集、验证集和测试集划分； 2通过小波分解，将波浪数据分解为高、中、低频三个分量； 3构建WaveFormer模型，所述WaveFormer模型包括物理增强注意力机制所在编码器、多层全连接前馈网络所在解码器以及基于物理信息神经网络所在损失层； 4对WaveFormer模型进行训练，将经过步骤1构建好的训练集输入到WaveFormer模型中进行迭代训练，步骤1构建好的验证集进行优化，得到训练WaveFormer模型； 5将测试集送入训练WaveFormer模型，得到波高预测值； 所述步骤2中的小波分解为两层平稳小波变换，第一层将序列分解为短周期扰动D1和中长期扰动，第二层将中长期扰动分解为中尺度风浪特征D2和长周期涌浪趋势D3； 所述步骤3中构建WaveFormer模型的过程，包括以下步骤： a将步骤2得到的短周期扰动D1、中尺度风浪特征D2和长周期涌浪趋势D3分量投影至高维模型空间，结合位置编码和输入嵌入，保留空间和时间信息； b将经过位置编码和输入嵌入的数据传入编码器； c经过编码后的数据通过解码器进行解码； d解码后的数据经过损失层对模型进行优化； 所述步骤3中的物理增强注意力机制所在编码器，包括物理增强型注意力机制、归一化模块、线性模块和前馈网络模块； 所述物理增强型注意力机制，包括基础的Transformer注意力机制和物理特征信息匹配机制；其中，基础的Transformer注意力机制用于得到基本的波浪数据间的相关性关系，保证基本预测性能；物理特征信息匹配机制用于在物理层面得到不同时刻波浪数据间的相关性大小；公式如下： ； ； ； 其中，headi表示第i个head的注意力，Qi表示第i个head的查询向量，Ki表示第i个head的键向量，T表示转置，Vi表示第i个head的值向量，Softmax·表示归一化函数，mask·表示掩码函数，用于在预测时屏蔽未来信息以防数据泄露以及屏蔽当前时刻300秒以外数据，dk表示对应键向量的维度，ΨWave和ΨStokes表示物理特征信息匹配矩阵，Concat·表示连接函数，nheads表示head的总数，Multi-Head表示多头注意力，Wo表示映射的权重矩阵； 所述归一化模块用于得到物理增强型注意力机制结果，规范化特征分布，减少内部协变量偏移，提升模型训练的稳定性和泛化能力； 所述线性模块用于将步骤2得到的短周期扰动D1、中尺度风浪特征D2和长周期涌浪趋势D3分量投影至高维模型空间； 所述前馈网络模块，用于对每个位置独立进行非线性变换，增强特征表达，包括三层线性变换和两层线性变化之间的ReLU函数，公式如下： ； 其中，FFN·表示前馈网络函数，W1、W2和W3表示可学习的权重矩阵，b1、b2和b3表示可学习的模型参数；前馈网络模块结果再经一次归一化模块，最终得到编码器输出。

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海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。