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！

龙图腾网恭喜成都信息工程大学申请的专利基于深度学习的气候模式模拟复合极端风雨事件频率的优化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：CN119442923B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202510034611.6，技术领域涉及：G06F30/27；该发明授权基于深度学习的气候模式模拟复合极端风雨事件频率的优化方法是由葛非;谭淇昌;张宇;蒋毅飞;冯俊杰设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本基于深度学习的气候模式模拟复合极端风雨事件频率的优化方法在说明书摘要公布了：本发明涉及气候事件模拟技术领域，尤其涉及基于深度学习的气候模式模拟复合极端风雨事件频率的优化方法，包括以下步骤：获取目标区域的降水和风速的观测数据及多个气候模式的模拟数据；采用百分位阈值法计算降水和风速阈值，确定复合极端风雨事件的发生频率；利用观测数据评估气候模式模拟结果，选取其频率作为深度学习模型的特征值，观测频率作为真实值；构建多层感知机神经网络，通过融合均方误差、标准差之比和最低值约束的加权损失函数优化模型训练；将气候模式的模拟结果输入训练好的模型，生成复合极端风雨事件频率的订正结果，提高了复合极端风雨事件频率的模拟精度，能够有效降低偏差，为气候变化背景下的灾害预估及决策提供支持。

本发明授权基于深度学习的气候模式模拟复合极端风雨事件频率的优化方法在权利要求书中公布了：1.基于深度学习的气候模式模拟复合极端风雨事件频率的优化方法，其特征在于，包括以下步骤：S1.获取目标区域内的观测数据和多个气候模式输出数据，并构建目标区域栅格网络；S2.基于百分位阈值法，根据观测数据计算得到观测降雨阈值与观测风速阈值，根据多个气候模式输出数据计算得到气候模式降水阈值与气候模式风速阈值，并根据观测降雨阈值与观测风速阈值计算得到第一复合极端风雨事件发生频率，根据气候模式降水阈值与气候模式风速阈值计算得到第二复合极端风雨事件发生频率；S3.基于观测数据，对第二复合极端风雨事件发生频率进行评估，并根据评估结果选取第二复合极端风雨事件发生频率作为深度学习模型的特征值，选取相同时间与网格点位置的第一复合极端风雨事件发生频率作为深度学习模型的真实值；S4.基于多层感知机神经网络，构建降低第二复合极端风雨事件发生频率的误差值的深度学习模型，并根据步骤S3中得到的特征值与真实值，通过加权损失函数对深度学习模型进行训练；S5.将第二复合极端风雨事件发生频率输入步骤S4中训练好的深度学习模型进行训练，生成目标区域内复合极端风雨事件频率的观测约束优化结果；所述观测数据包括目标区域内实际观测得到的降水量网格化数据与最大风速网格化数据；所述多个气候模式输出数据包括目标区域内多个气候模式模拟得到的降水量网格化数据与最大风速网格化数据；所述步骤S2包括以下步骤：S201.基于百分位阈值法，根据观测数据计算得到观测降雨阈值与观测风速阈值，根据多个气候模式输出数据计算得到气候模式降水阈值与气候模式风速阈值，所述百分位阈值法可表示为： 其中k为百分位数，Nsortedi,t为第t时刻的第i栅格位置的序列并按照从小到大进行排序，为序列的长度，Pi,t表示第t时刻的第i栅格上Nsorted中第位置的阈值数值；S202.根据得到的观测降雨阈值、观测风速阈值、气候模式降水阈值与气候模式风速阈值，判断目标区域栅格网络的每个栅格内是否有极端风雨事件发生，可表示为： 其中，Pi,t和Wi,t分别表示第i个栅格中第t时间上的降水量和最大风速，和分别表示第i个栅格中第t时间上降水阈值和风速阈值；当变量Zi,t为1时表示对应时间上的格点发生复合极端风雨事件，否则为没发生；S203.根据判断结果，分别计算得到第一复合极端风雨事件发生频率与第二复合极端风雨事件发生频率，其计算公式可表示为： 其中，Fi,year为一年内复合极端风雨事件的累积频率，year为年份序列，且year=[y1,y2,y3,…,yn]，i表示栅格位置，d为天数序列，m为月份序列，Dm为月份的天数，Z（i,d,m，year）为在第i个栅格中第year年、第m月、第d天发生的复合极端风雨事件。

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成都信息工程大学，其通讯地址为：610225 四川省成都市双流区西南航空港经济开发区学府路1段24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”。