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！

龙图腾网恭喜福州大学申请的专利一种基于高位池水产养殖的水温动态分层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：CN119557600B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202510095782.X，技术领域涉及：G06F18/20；该发明授权一种基于高位池水产养殖的水温动态分层预测方法是由张昂;邱嘉毅;林彦皓;张书畅;林智伦;卢孝强设计研发完成，并于2025-01-22向国家知识产权局提交的专利申请。

本一种基于高位池水产养殖的水温动态分层预测方法在说明书摘要公布了：本发明提供一种基于高位池水产养殖的水温动态分层预测方法，将至少包括水温数据和气温数据的高位池水参数和外部气象数据输入多模态融合自适应协同网络，采用动态归并方法对时间信号集进行时间片段分割；并采用渐进注意力机制融合的预测模型TimeFusionNet进行时序预测获得预测结果。本发明对于高位池养殖环境提供了一套针对性的水温预测方案，可广泛应用于高位池水产养殖环境，为水产养殖业提供精细化的水温调控方案，提升养殖效益。同时，该方案还可为环境监测和生态研究提供重要数据支持，具有较高的应用价值和社会效益。

本发明授权一种基于高位池水产养殖的水温动态分层预测方法在权利要求书中公布了：1.一种基于高位池水产养殖的水温动态分层预测方法，其特征在于：将至少包括水温数据和气温数据的高位池水参数和外部气象数据输入多模态融合自适应协同网络，采用动态归并方法对时间信号集进行时间片段分割；并采用渐进注意力机制融合的预测模型TimeFusionNet进行时序预测获得预测结果；所述采用动态归并方法对时间信号集进行时间片段分割为基于确定的滑动窗口和滑动步长，使用自适应协同网络对输入水温时间信号进行动态归并，由此得到不同深度水温归并结果；将归并结果相同的时间信号合并为一个时间片段，作为下一步时序预测模型的输入；基于所述多模态融合自适应协同网络确定的归并结果与合并窗口，将同层水温、部分邻层水温和气象数据输入预测模型TimeFusionNet模型进行预测，结合多尺度学习与差分特征以捕捉时间序列中的动态变化，优化模型在时间序列预测任务中的表现：所述预测模型TimeFusionNet模型引入渐进注意力机制，以分阶段学习不同层次的特征，包括全局学习阶段、局部特征学习阶段和微观特征学习阶段；三个阶段分别提取以周、天、分钟为单位的三种时间步，均使用加权求和法对差分特征和原始特征进行赋权处理： λ t,z =softmaxWz,△xt，z={1,2,3}其中，Wz是第z种学习阶段的权重矩阵，△xt为差分特征，λt,z为第z种学习阶段的注意力权重；z={1,2,3}分别对应全局学习阶段、局部特征学习阶段和微观特征学习阶段；渐进注意力机制与原始特征的融合：对于不同的时间步，在计算不同阶段的渐进注意力权重后，将差分特征和原始特征进行融合，以获得最终的输入特征作为输入预测模型TimeFusionNet模型进行训练： 其中，是第z阶段的差分特征，为原始特征；采用基于多元导向折返策略的改进灰狼优化算法对预测模型TimeFusionNet的参数进行寻优；所述预测模型TimeFusionNet以改进的LSTM单元为各深度数据训练单元；在训练过程中，梯度通过标准的反向传播算法进行更新；所述改进的LSTM单元以RMSE作为优化算法的适应度函数，使用基于多元导向折返策略的改进灰狼优化算法对LSTM中的超参数进行寻优；对于三种时间尺度的输入数据，在每一个时间尺度的特征融合层之间建立残差连接层；对于隐藏层中的LSTM单元，使用Huber损失函数和对比损失的组合作为连接层，通过并行LSTM单元，以协同不同时间尺度特征。

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。