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 > 兰州中心气象台(兰州干旱生态环境监测预测中心);敦煌市气象局刘香萍获国家专利权

兰州中心气象台(兰州干旱生态环境监测预测中心);敦煌市气象局刘香萍获国家专利权

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!

龙图腾网获悉兰州中心气象台(兰州干旱生态环境监测预测中心);敦煌市气象局申请的专利一种基于深度学习的戈壁滩地表温度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:CN121389819B

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:202511951024.X,技术领域涉及:G06F30/27;该发明授权一种基于深度学习的戈壁滩地表温度预测方法是由刘香萍;黄武斌;王冰瑞;杨琴;王胜军;张磊;薛晨;马瑞萍;秦霞;段伯隆;王海蓊;王轲;贾汝惠;康锦强;武临霞设计研发完成,并于2025-12-23向国家知识产权局提交的专利申请。

一种基于深度学习的戈壁滩地表温度预测方法在说明书摘要公布了:本发明涉及人工智能技术领域,公开了一种基于深度学习的戈壁滩地表温度预测方法。方法构建采集端、遥感端、边缘计算终端与中心服务器协同运行的体系架构,实现多源观测数据的融合与实时传输。通过设计融合物理约束的时空神经网络模型,结合角度引导卷积神经网络与门控循环单元结构,引入地表能量平衡与斯忒藩—玻尔兹曼辐射一致性约束,实现地表温度的高精度预测与物理一致性建模。采用跨尺度重建与缺测补全机制,提升预测结果的空间连续性与分辨率。该方法实现了戈壁滩区域地表温度的高精度、稳定与自适应预测,为干旱区气象监测、生态评估及预警决策提供了智能化支撑。

本发明授权一种基于深度学习的戈壁滩地表温度预测方法在权利要求书中公布了:1.一种基于深度学习的戈壁滩地表温度预测方法,其特征在于:所述方法在包含采集端、遥感端、边缘计算终端与中心服务器协同的架构中运行,所述架构包括: 采集端,采集地面观测数据; 遥感端,获取多源遥感数据; 所述方法包括如下步骤: 步骤S1:对地面观测数据和多源遥感数据处理,得到多源融合输入数据; 步骤S2:中心服务器针对多源融合输入数据中的热红外波段影像执行大气校正与地表比辐射率估计,得到初始地表温度数据; 步骤S3:中心服务器融合初始地表温度数据和多源融合输入数据,构建多源时空特征数据; 步骤S4:采用时空神经网络模型处理多源时空特征数据,输出初步地表温度预测结果; 步骤S5:在中心服务器中,判断初步地表温度预测结果中的低分辨率热红外数据的可用性,得到重建后地表温度预测结果;针对重建后地表温度预测结果中的缺测区域,采用掩码卷积与时序图正则插补方法进行补全,获取高精度地表温度预测数据; 步骤S6:在中心服务器中,结合高精度地表温度预测数据,对时空神经网络模型的输出进行偏差校正与小样本迁移微调,最终得到地表温度预测结果; 时空神经网络模型包括角度引导的CNN模型和GRU模型; 步骤S4,具体包括以下步骤: 步骤S41:采用角度引导的CNN模型对多源时空特征数据进行特征提取,获取空间特征数据; 步骤S42:采用GRU模型对多源时空特征数据进行特征提取,获取时间特征数据; 步骤S43:将空间特征数据和时间特征数据进行联合建模,并通过全连接层进行预测;引入基于地表能量平衡方程与斯忒藩—玻尔兹曼定律的双物理约束项,并结合时间一致性正则化项构建耦合损失函数,对角度引导的CNN模型和GRU模型进行训练,得到训练后时空神经网络模型;训练后时空神经网络模型在中心服务器执行推理,输出初步地表温度预测结果; 角度引导的CNN模型的构建方式为:建立CNN模型,引入角度引导模块对CNN模型卷积层的激活进行优化,得到角度引导的CNN模型; 步骤S41,具体包括以下步骤: 步骤S411:将多源时空特征数据进行时间轴配准、空间分辨率统一与归一化,得到标准化多源特征数据; 步骤S412:通过角度引导模块对标准化多源特征数据进行激活方向性调整,得到旋转增强卷积激活特征; 步骤S413:将旋转增强卷积激活特征输入至角度引导的CNN模型的空间池化层,对局部响应进行聚合,并经特征整合处理生成空间特征数据; 步骤S412,具体包括以下步骤: 步骤S4121:对标准化多源特征数据中的标注样本提取卷积层归一化后的激活向量,并采用均值差法计算候选方向,对候选方向集合执行主成分分析,提取主分量,定义二维旋转子空间; 步骤S4122:定于旋转矩阵,在二维旋转子空间执行几何旋转,对卷积层归一化后的激活向量进行方向性调整,聚焦于方向性显著的空间特征,获取激活向量的特征方向; 步骤S4123:引入自适应角度引导机制,根据激活向量的特征方向上的投影计算条件掩膜,并基于该掩膜执行选择性旋转,得到旋转增强卷积激活特征。

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兰州中心气象台(兰州干旱生态环境监测预测中心);敦煌市气象局,其通讯地址为:730000 甘肃省兰州市城关区东岗东路2070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。