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！

龙图腾网获悉中国人民解放军61540部队申请的专利一种气象环境的智能建模预测方法和装置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：CN120875145B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202510989349.0，技术领域涉及：G06Q10/04；该发明授权一种气象环境的智能建模预测方法和装置是由顾春利;成巍;卞双双;孙敬哲设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种气象环境的智能建模预测方法和装置在说明书摘要公布了：本发明公开了一种气象环境的智能建模预测方法和装置，所述方法包括：获取气象环境历史数据集；基于所述气象环境历史数据集，对预设的气象环境预测模型进行训练处理，得到训练完毕的气象环境预测模型；利用所述训练完毕的气象环境预测模型，对实时采集得到的气象数据集进行处理，得到云雨预测信息集合。

本发明授权一种气象环境的智能建模预测方法和装置在权利要求书中公布了：1.一种气象环境的智能建模预测方法，其特征在于，包括： S1，获取气象环境历史数据集； S2，基于所述气象环境历史数据集，对预设的气象环境预测模型进行训练处理，得到训练完毕的气象环境预测模型，包括： S21，将气象环境历史数据集进行均匀划分，得到若干个训练数据分集； S22，随机获取一个训练数据分集； S23，将所述训练数据分集中的每个训练数据，分别作为输入数据，输入预设的气象环境预测模型； S24，利用所述气象环境预测模型，对所述输入数据进行处理，得到对应的预测值； S25，对得到的所述训练数据的预测值和训练数据对应的标签数据进行更新信息计算处理，得到更新向量； S26，基于所述更新向量，利用第一更新模型，对所述气象环境预测模型的预测单元组参数进行更新； S27，判断是否将所述训练数据分集中的所有训练数据均输入预设的气象环境预测模型，得到第一判断结果；若所述第一判断结果为是，执行S28；若所述第一判断结果为否，执行S23； S28，对得到的所有训练数据的预测值和训练数据对应的标签数据进行收敛性判别，得到第二判别结果； 所述收敛性判别，包括： 计算得到融合收敛值；所述融合收敛值的表达式为： 其中，aji为训练数据分集的第j个训练数据的第i个预测值，bji为训练数据分集的第j个训练数据的第i个标签数据，β为预设的调节因子，N为训练数据分集所包含的训练数据的总数，i＝1、2、3，分别表示降水量、降雪量和总云量的预测值或对应的标签数据； 若所述融合收敛值小于预设的第一判别门限，确定所述第二判别结果为是；若所述融合收敛值不小于预设的第一判别门限，确定所述第二判别结果为否； 当所述第二判别结果为否时，确定模型训练状态为不满足终止训练条件； 当所述第二判别结果为是时，确定所述模型训练状态为满足终止训练条件； S29，当所述模型训练状态为不满足终止训练条件时，利用第二更新模型对所述气象环境预测模型进行参数更新，触发执行S22； 当所述模型训练状态为满足终止训练条件时，完成对所述气象环境预测模型的训练处理过程，得到训练完毕的气象环境预测模型； 所述气象环境预测模型，包括：输入单元、特征提取单元和预测单元组；所述预测单元组，包括降水量预测单元、降雪量预测单元、总云量预测单元； 所述输入单元，用于接收得到气象数据；所述气象数据，为典型气压层的参数信息、10米风场、2米露点温度、2米温度、海平面气压、地表气压、整层可降水量和整层水汽量所构成的向量；所述输入单元的输出端，与所述特征提取单元的输入端连接；所述特征提取单元的输出端，与预测单元组的每个预测单元的输入端分别连接； 所述特征提取单元，包括第一卷积模块、第二卷积模块、第一特征变换模块、第三卷积模块、第二特征变换模块、第四卷积模块、第三特征变换模块、第五卷积模块、第四特征变换模块、金字塔池化模块、通道注意力模块； 所述第一卷积模块的输入端，作为所述特征提取单元的输入端； 所述第一卷积模块的输出端，与所述第二卷积模块的输入端连接；所述第二卷积模块的输出端，与所述第一特征变换模块的输入端连接，所述第一特征变换模块的输出端，与所述第三卷积模块的输入端连接，所述第三卷积模块的输出端，与所述第二特征变换模块的输入端连接；所述第二特征变换模块的输出端，与所述第四卷积模块的输入端连接；所述第四卷积模块的输出端，与所述第三特征变换模块的输入端连接；所述第三特征变换模块的输出端，与所述第五卷积模块的输入端连接；所述第五卷积模块的输出端，与所述第四特征变换模块的输入端连接；所述第四特征变换模块的输出端，与所述金字塔池化模块的输入端连接；所述金字塔池化模块的输出端，与所述通道注意力模块的输入端连接；所述通道注意力模块的输出端，作为所述特征提取单元的输出端； 每个预测单元，均包括第一上采样层模块、第一拼接层模块、第一特征转换模块、第二上采样层模块、第二拼接层模块、全连接层模块； 所述第一上采样层模块的输出端，与所述第一拼接层模块的输入端连接；所述第一拼接层模块的输出端，与所述第一特征转换模块的输入端连接；所述第一特征转换模块的输出端，与所述第二上采样层模块的输入端连接；所述第二上采样层模块的输出端，与所述第二拼接层模块的输入端连接；所述第二拼接层模块的输出端，与所述全连接层模块的输入端连接；第一上采样层模块的输入端，作为预测单元的输入端；所述全连接层模块的输出端，作为预测单元的输出端；S3，利用所述训练完毕的气象环境预测模型，对实时采集得到的气象数据集进行处理，得到云雨预测信息集合。

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人民解放军61540部队，其通讯地址为：100029 北京市朝阳区民族园路8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。