Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 积分商城 国际服务 IP管家助手 科技果 科技人才 商标交易 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南方海洋科学与工程广东省实验室(广州)郭毛获国家专利权

南方海洋科学与工程广东省实验室(广州)郭毛获国家专利权

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!

龙图腾网获悉南方海洋科学与工程广东省实验室(广州)申请的专利一种基于双分支注意力机制的土壤有机碳自监督预测方法和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:CN121188720B

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:202511725457.3,技术领域涉及:G06F18/25;该发明授权一种基于双分支注意力机制的土壤有机碳自监督预测方法和系统是由郭毛;白雁;潘玉良;黄海清;吕青青;潘德炉设计研发完成,并于2025-11-24向国家知识产权局提交的专利申请。

一种基于双分支注意力机制的土壤有机碳自监督预测方法和系统在说明书摘要公布了:本发明涉及土壤碳循环与生态监测技术领域,尤其涉及一种基于双分支注意力机制的土壤有机碳自监督预测方法和系统。该方法通过将环境特征和植被指数分别输入双分支网络,并采用自监督任务进行预训练,缓解样本稀缺问题。利用跨分支注意力机制对植被与环境特征进行动态加权融合,增强了模型对环境—植被—土壤耦合关系的表达能力。此外,本发明还引入了伪标签策略,通过迭代训练和置信度筛选,进一步提高了模型的精度与稳定性。通过输出SOC预测值和不确定性指标,提供了可解释性和优化采样策略的能力。该方法具有较高的泛化能力,可应用于不同区域和数据源,并能在缺少SOC真实标签的情况下实现高精度预测。

本发明授权一种基于双分支注意力机制的土壤有机碳自监督预测方法和系统在权利要求书中公布了:1.一种基于双分支注意力机制的土壤有机碳SOC自监督预测方法,其特征在于,该方法包括以下的步骤: S0,数据准备,所述数据准备包括:对环境特征矩阵与植被特征矩阵进行空间对齐、时间配准、缺失值填补与标准化;其中至少包含NDVI、EVI中的一种或多种,至少包含气候、水文、地形及土壤理化性质中的两类或以上; S1,双分支表示:将多时相遥感植被指数输入植被分支以获得植被潜在表示,将环境因子输入环境分支以获得环境潜在表示; 环境分支采用包含特征嵌入与可学习位置编码的Transformer编码器,利用多头自注意力、残差连接与前馈网络对环境特征矩阵建模,并经池化获得定长环境潜在向量;植被分支首先对各植被特征矩阵施加可学习投影的注意力加权聚合以得到植被聚合向量,再经Transformer编码器提取植被潜在向量; S2,双向跨分支注意力融合:以环境表示为查询对植被表示加权更新,并以植被表示为查询对环境表示加权更新,得到融合后的植被表示与环境表示; S3,结构自监督与伪标签训练:在SOC标签缺乏条件下,利用i植被指数重建、ii时间序列预测、iii代理变量回归中的至少一种自监督代理任务进行预训练;并在无标签样本上生成SOC伪标签,按置信度阈值筛选后与少量真值样本联合迭代训练; S4,融合与预测:构造包含环境表示、植被表示及二者逐元素乘积的融合特征,输入回归头输出SOC预测值; S5,约束与不确定性:对跨分支注意力施加熵正则以增强稀疏与可解释性;并通过异方差回归和或随机化推断输出不确定性指标用于结果评估与采样优化。

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南方海洋科学与工程广东省实验室(广州),其通讯地址为:511458 广东省广州市南沙区南沙街资讯科技园海滨路1119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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。