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！

龙图腾网恭喜浙江大学申请的专利一种针对台风参数化风场的复杂微地形影响修正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：CN118734725B 。

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：202411233666.1，技术领域涉及：G06F30/27；该发明授权一种针对台风参数化风场的复杂微地形影响修正方法是由王乃玉;石祎林;许月萍设计研发完成，并于2024-09-04向国家知识产权局提交的专利申请。

本一种针对台风参数化风场的复杂微地形影响修正方法在说明书摘要公布了：本发明公开了一种针对台风参数化风场的复杂微地形影响修正方法，包括：S1、生成数据集，至少包括：数值模型模拟所得的考虑微地形影响的风场数据；参数化风场模型模拟所得的未考虑微地形影响的风场数据；表征微地形的地理环境数据；S2、构建微地形修正模型：对作为微地形修正模型的训练数据进行处理；基于深度学习网络构建微地形修正模型并进行训练，通过微地形修正模型捕捉微地形与风场的空间特征以及微地形与风场的耦合关系；S3、将未考虑微地形影响的风场数据和地理环境数据输入到训练好的微地形修正模型中，从而得到考虑微地形影响的参数化风场。本发明有效考虑了复杂微地形影响，可为工程应用提供更可靠的台风参数化风场。

本发明授权一种针对台风参数化风场的复杂微地形影响修正方法在权利要求书中公布了：1.一种针对台风参数化风场的复杂微地形影响修正方法，其特征在于，包括如下步骤：S1、生成数据集，所述数据集至少包括：数值模型模拟所得的考虑微地形影响的风场数据；参数化风场模型模拟所得的未考虑微地形影响的风场数据；表征微地形的地理环境数据；其中，数值模型模拟所得的考虑微地形影响的风场数据的获取方式如下：至少将全球气候模式输出的中尺度台风风场数据以及目标区域的地理环境数据和海洋、大气条件数据作为边界条件输入区域尺度数值模型后，通过动力降尺度方法模拟得到高分辨率台风风场数据，即为考虑微地形影响的风场数据，其中，中尺度台风风场的分辨率为20km~100km，高分辨率台风风场的分辨率为100m~1km，所述高分辨率台风风场数据包括近地面风场风速和近地面风场风向，用于作为微地形修正模型训练的目标值；参数化风场模型模拟所得的未考虑微地形影响的风场数据的获取方式如下：参数化风场模型基于简化的大气动力学方程和针对历史台风数据分析得到的统计方程，通过输入若干个台风特征参数从而得到对应的参数化风场结果，即为未考虑微地形影响的风场数据，所述参数化风场结果包括参数化风场风速和参数化风场风向，用于作为微地形修正模型的预测值；S2、构建微地形修正模型：对作为微地形修正模型的训练数据进行处理；基于深度学习网络构建微地形修正模型并进行训练，通过微地形修正模型捕捉微地形与风场的空间特征以及微地形与风场的耦合关系；其中，基于深度学习网络构建的微地形修正模型的主体为全卷积神经网络，包括两套编码器-解码器，分别是针对风速的风速编码器和风速解码器以及针对风向的风向编码器和风向解码器；风速编码器包括五层卷积层和两层池化层，针对风速的输入图像数据，通过卷积层的卷积核从输入的各通道维度提取关键特征，再通过池化层的池化操作从而稳定和压缩特征图，通过多层卷积池化操作得到隐藏张量；风速解码器包括两层反卷积层和六层卷积层，对隐藏张量使用反卷积操作进一步提取通道特征并逐步放大图像至与目标值匹配；风向编码器包括六层卷积层和两层池化层，针对风向的输入图像数据，通过卷积层的卷积核从输入的各通道维度提取关键特征，再通过池化层的池化操作从而稳定和压缩特征图，通过多层卷积池化操作得到隐藏张量；风向解码器包括两层反卷积层和七层卷积层，对隐藏张量使用反卷积操作进一步提取通道特征并逐步放大图像至与目标值匹配；通过全卷积神经网络，最终实现了捕捉两层特征：一是微地形与风场本身所具有的空间特征；二是风场与微地形之间的耦合关系，即风场在复杂微地形中的变化规律，且这种规律以二维空间形式呈现；S3、将未考虑微地形影响的风场数据和地理环境数据输入到训练好的微地形修正模型中，从而得到考虑微地形影响的参数化风场。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。