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！

龙图腾网获悉西安电子科技大学申请的专利基于社交媒体的台风定位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：CN116842116B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310698896.4，技术领域涉及：G06F16/29；该发明授权基于社交媒体的台风定位方法是由王静;温嘉伟;赵辉;杨烁;姚勇设计研发完成，并于2023-06-14向国家知识产权局提交的专利申请。

本基于社交媒体的台风定位方法在说明书摘要公布了：本发明公开了一种基于社交媒体数据的台风定位方法，主要解决现有技术在处理海量、复杂的社交媒体数据时，台风定位准确性低的问题。其实现方案为：获取社交媒体数据中的时空信息，并将其编码为时空编码数据集；利用BERT模型提取时空编码数据集的文本语义特征，根据时空编码对语义特征进行语义和空间重构，得到重构语义特征数据集；构建基于三维卷积层和卷积‑长短期记忆人工神经层的卷积神经网络，利用重构语义特征数据集预测每个网格中心到台风中心的距离；通过基于位置服务的时空网格定位算法，利用卷积神经网络的预测结果确定台风中心的纬度和经度位置。本发明通过对社交媒体数据特征重构提高了对台风的定位的准确度，可用于对自然灾害的防御。

本发明授权基于社交媒体的台风定位方法在权利要求书中公布了：1.一种基于社交媒体数据的台风定位方法，其特征在于，包括如下步骤： 1从社交媒体平台获取台风期间受台风影响区域中，带有时空信息的社交媒体文本数据集S； 2从气象局公开平台获取台风生成期间的实时轨迹数据集Track； 3根据社交媒体数据的时空信息，按照时空网格编码方法将原始社交媒体文本数据集S转化为时空编码数据集Sc： Sc＝{T1，x1，y1，tc1，...，Ti，xi，yi，tci，...，Tn，xn，yn，tcn} 其中Ti是文本数据，xi，yi表示每条数据的空间网格编码其中0≤xi≤3，0≤yi≤3，tci表示时间编码的结果； 4根据台风轨迹数据集Track进行时间编码，得到时间编码的台风轨迹数据集Trackc： Trackc＝{La1，Ln1，tc1，...，Lai，Lni，tci，...，Lam，Lnm，tcm} 其中tci是时间编码值，tcm是最后一个时间编码值； 5利用BERT语言模型提取时空编码数据Sc中每条数据的文本Ti的十六维语义特征，得到语义特征数据集W： 其中， 表示对文本Ti提取的语义特征的第j维； 6根据语义特征数据集W，对同一时空编码的文本语义特征求和与特征空间重构，得到重构语义特征数据集C： C＝{W0，..Wtc，...，Wl} 其中表示tc时间编码下的空间重构语义特征，l是时间编码tc的最大值，表示在时间编码tc，空间编码x，y的重构语义特征，由语义特征数据集W中将同一时空编码下的所有语义特征求和后重构为4x4矩阵大小； 7根据时空编码的方法，计算同一个时间编码下每一个空间网格中心到台风中心的距离数据集： D＝{D0，...，Dtc，...，Dl} 其中表示在时间编码tc下所有时空网格中心到台风中心的距离，表示在时间编码为tc、空间编码为x，y所表示区域的中心到台风中心的距离； 8构建由五层三维卷积层和两层卷积-长短期记忆人工神经层交叉连接构成的卷积神经网络模型G，并以均方根误差RMSE函数作为该网络的损失函数； 9将数据集C作为特征数据，数据集D作为真实值，并将重构语义特征数据集C和台风中心距离数据集D组合成台风距离语义数据集B，再将该数据集B按3∶7划分为训练集Train和测试集Test； 10将训练集Train的特征数据输入到卷积神经网络G，通过反向传播法对其进行迭代训练，直到损失函数收敛，得到训练好的卷积神经网络模型网络； 11将测试集Test中的特征数据输入到训练好的卷积神经网络，得到对于每个时空网格中心到台风中心的距离预测值 其中表示时空编码为[t，x，y]所表示空间中心距离台风中心的预测值； 12根据每个时空网格中心到台风中心的距离预测值使用基于位置服务的时空网格定位算法对台风进行定位，确定预测的台风中心的纬度和经度位置。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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”。