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！

龙图腾网获悉众数(厦门)信息科技有限公司申请的专利一种基于大模型技术的船舶导航决策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：CN119714297B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202510214333.2，技术领域涉及：G01C21/20；该发明授权一种基于大模型技术的船舶导航决策方法是由吴炳坤;王驰明;朱顺痣;张长安;汪中;张静;林艺;周靖;王倩云;魏付顺;李亚楠设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本一种基于大模型技术的船舶导航决策方法在说明书摘要公布了：本发明公开了一种基于大模型技术的船舶导航决策方法，包括以下步骤：S1、获取船端感知信息和岸端辅助信息，并创建包括各类型及量级的船舶特征数据集；S2、基于Transformer模型框架并结合所述船舶特征数据集构建船舶行为研判模型；S3、采用损失函数进行船舶行为研判模型训练优化，分别各个对船舶未来航行行为信息的预测结果进行误差衡量，然后求和得到总的损失函数，并通过优化算法来最小化损失函数，不断更新调整模型参数，逐渐减小损失函数；S4、基于多层感知机制和Transformer架构大模型来处理局部和全局特征构建船舶行为决策模型，综合考虑局部和全局特征，对船舶航行环境全面分析，制定最优的航线规划和航速优化决策。

本发明授权一种基于大模型技术的船舶导航决策方法在权利要求书中公布了：1.一种基于大模型技术的船舶导航决策方法，其特征在于：包括以下步骤： S1、获取船端感知信息和岸端辅助信息，并创建包括各类型及量级的船舶特征数据集； S2、基于Transformer模型框架并结合所述船舶特征数据集构建船舶行为研判模型，具体为： S21、对所述船舶特征数据统一进行预处理，并将处理后的船舶特征数据集输入到Transformer模型中； S22、通过线性变换将所述船舶特征数据集中的每个船舶状态向量元素映射到一个固定维度的嵌入向量空间中，并添加位置编码以区分时序信息； S23、设置船舶信息特性多头注意力机制层，捕捉不同时间及不同变量之间的关联关系； S24、连接一个前馈神经网络层对提取到的特征进行进一步的非线性变换； S25、在多头注意力机制层和前馈神经网络层的前后分别添加残差连接和层归一化操作； S26、设置船舶特征信息输出层，并通过最后一个时间步长的隐藏状态向量预测船舶未来航行行为信息； S3、采用损失函数进行船舶行为研判模型训练优化，分别各个对船舶未来航行行为信息的预测结果进行误差衡量，然后求和得到总的损失函数，并通过优化算法来最小化损失函数，不断更新调整模型参数，逐渐减小损失函数； S4、基于多层感知机制和Transformer架构大模型来处理局部和全局特征构建船舶行为决策模型，综合考虑局部和全局特征，对船舶航行环境全面分析，制定最优的航线规划和航速优化决策； 步骤S4具体为： S41、基于多层感知机制对局部特征向量进行逐层的线性变换与非线性激活操作，选用ReLU激活函数，对于第i层，i=1，2，…，LMLP的计算过程为：，经过LMLP层的处理后，得到最终的局部特征处理结果，表示在多层感知机制中，在时刻经过第层处理后的隐藏状态向量，表示在时刻经过第层处理后的隐藏状态向量； S42、基于Transformer架构大模型对全局特征向量处理，其内部结构包含船舶行为研判模型的各个层模块，对于第j层，j=1，2，…，；计算过程如下： ；其中，MultiHeadAttention为多头注意力机制层的计算，FFN为前馈神经网络层的计算，LayerNorm为层归一化操作； S43、航线规划和航速优化决策中，将处理后的局部特征向量与全局特征向量进行拼接融合，生成最终用于决策的综合特征向量，将局部航速特征向量与全局航速特征向量进行拼接融合，得到航速优化的航速综合特征向量； S5、通过所述船舶行为研判模型对船舶行为决策模型进行协同训练与优化，其中，在预训练阶段，多层感知机制和Transformer架构大模型分别针对局部和全局任务进行训练，以学习到有效的特征提取和决策制定模式，在微调训练阶段，将航线规划和航速优化进行融合，并基于整体的实际航行数据及对应的导航决策效果反馈进行对船舶行为决策模型不断进调整优化，提升决策策略的准确性和效率。

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众数(厦门)信息科技有限公司，其通讯地址为：361000 福建省厦门市火炬高新区软件园一期曾厝垵北路3号科汇楼402室-A184；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”。