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！

龙图腾网获悉北京师范大学申请的专利基于动态注意力图循环网络的台风多验潮站水位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：CN120995023B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511405706.0，技术领域涉及：G06F18/20；该发明授权基于动态注意力图循环网络的台风多验潮站水位预测方法是由石先武;黄章克设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本基于动态注意力图循环网络的台风多验潮站水位预测方法在说明书摘要公布了：本发明提供一种基于动态注意力图循环网络的台风多验潮站水位预测方法，包括如下步骤：获取台风期间多个验潮站的水位数据与气象数据；对获取的水位数据和气象数据进行时序特征处理，并创建拓扑结构；定义动态图注意力层级聚合网络模型结构，并构建动态注意力图循环网络模型；使用处理后的数据和图拓扑结构对动态注意力图循环网络模型进行训练与优化；通过优化后的动态注意力图循环网络模型对台风过程中未来A小时内的沿岸多验潮站水位进行实时预测。该方法可有效将预测精度与计算效率兼顾，解决预测精度不足与算力浪费问题。

本发明授权基于动态注意力图循环网络的台风多验潮站水位预测方法在权利要求书中公布了：1.一种基于动态注意力图循环网络的台风多验潮站水位预测方法，其特征在于，包括如下步骤： 获取台风期间多个验潮站的水位数据与气象数据； 对获取的水位数据和气象数据进行时序特征处理，并创建拓扑结构，将研究区域的每个验潮站作为图节点，得到节点特征矩阵，直接以历史台风期间各验潮站同步观测的水位序列为样本，通过计算任意两站水位波动的皮尔逊相关系数衡量其动力耦合强度，当皮尔逊相关系数超过预设阈值，则在对应节点间建立边权； 定义动态图注意力层级聚合网络模型结构，并构建动态注意力图循环网络模型，所述构建动态注意力图循环网络模型包括：输入层，接收标准化后的12小时水位-气象联合特征；空间特征提取层，采用图注意力网络计算节点间的注意力权重；层次化采样和聚合层，基于图采样与聚合网络的前K优选策略，对一阶、二阶以及更高阶邻域信息进行加权聚合，提取多尺度空间特征；时序特征建模层，采用门控循环单元捕捉水位与气象场的非线性时序依赖；输出层，通过线性层将融合后的时空特征映射为未来A小时的多验潮站的水位高度； 所述层次化采样和聚合层采用前K优选策略的图样采样网络，分阶段提取多尺度空间特征，其核心计算流程如下：首先基于节点特征计算注意力权重筛选关键邻居，随后通过加权聚合与非线性变换生成节点表示， 其中，在第二层级聚合中，模型通过第一层注意力权重筛选关键间接邻居集合： ， 并基于上层输出特征计算归一化注意力权重： ， 最终经过跨层的特征整合得到节点的复合表征： ， 其中，为节点的筛选的间接邻居集合,为一阶注意力权重筛选的关键直接邻居，为节点u的直接邻居集合，K为TopK筛选的邻居数量；表示节点u与其邻居k在第一层的关联强度，表示节点与在第二层的关联强度；和分别为第二层注意力权重矩阵与特征变换权重矩阵，为最终特征融合的权重矩阵；为节点v在第一层的输出特征，为间接邻居w在第一层的输出特征,表示二阶邻居节点m在第一层的输出特征向量，b为可训练的注意力权重向量，σ为非线性激活函数，LeakyReLU为带泄露参数的修正线性单元，CONCAT表示向量拼接操作； 使用处理后的水位数据和气象数据以及图拓扑结构对动态注意力图循环网络模型进行训练与优化； 通过优化后的动态注意力图循环网络模型对台风过程中未来A小时内的沿岸多验潮站水位进行实时预测。

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北京师范大学，其通讯地址为：100088 北京市海淀区新街口外大街19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。