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！

龙图腾网获悉深圳市星河智善科技有限公司申请的专利基于深度学习的抛物轨迹预测方法及系统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：CN119513580B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411684061.4，技术领域涉及：G06F18/213；该发明授权基于深度学习的抛物轨迹预测方法及系统是由刘成刚;请求不公布姓名设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于深度学习的抛物轨迹预测方法及系统在说明书摘要公布了：本发明涉及深度学习技术领域，具体为基于深度学习的抛物轨迹预测方法及系统，包括以下步骤：收集差异化环境条件下的抛物轨迹数据，细分每个轨迹数据点的初始速度、发射角度和位置，以时间戳为序进行标准化排序，运用特征提取计算序列间的最优匹配点。本发明中，通过细化和重新匹配抛物轨迹数据，提高了数据处理的时序性和准确性，减少了由环境变化引起的预测误差，使得预测结果更符合实际情况，采用双向学习方法，优化了数据点间依赖关系的处理，增强了模型在复杂变化条件下的应对能力，反馈回路的引入，使得模型能够在预测过程中自我校正偏差，进一步提升了预测的准确性，这些措施显著提高了数据处理效率和轨迹预测的精度。

本发明授权基于深度学习的抛物轨迹预测方法及系统在权利要求书中公布了：1.基于深度学习的抛物轨迹预测方法，其特征在于，包括以下步骤： 收集差异化环境条件下的抛物轨迹数据，细分每个轨迹数据点的初始速度、发射角度和位置，以时间戳为序进行标准化排序，运用特征提取计算序列间的最优匹配点，调整数据点匹配时间序列，生成时间同步序列数据； 输入所述时间同步序列数据至双向LSTM网络，从序列两端同时学习，转换每个数据点与相邻数据点的依赖性为状态更新，合并更新后的状态，生成合并特征向量； 基于所述合并特征向量，分析各时间点特征的权重影响，对每个特征进行权重调整，通过反馈回路校正模型预测偏差，生成优化权重数据； 应用所述优化权重数据，调整所述双向LSTM网络中的时间扭曲参数，对网络结构中的时间感知层进行微调，适配环境变化，输出预测轨迹，并建立预测轨迹模型； 所述合并特征向量的获取步骤具体为： 将所述时间同步序列数据输入到双向LSTM网络，从序列两端同步处理数据点，分析每个数据点与相邻数据点的依赖性，生成前向和后向依赖性分析结果； 根据所述前向和后向依赖性分析结果，计算每个数据点的状态更新，采用公式： 生成状态更新结果； 其中，表示第个数据点更新后的状态，表示前向状态，表示后向状态，、分别为前向和后向状态的权重调整系数； 使用所述状态更新结果，将更新后的状态合并，通过加权公式进行整合： 生成合并状态结果； 其中，表示合并后的状态向量，、表示更新后的前向和后向状态，为状态合并权重； 从所述合并状态结果提取特征向量，每个向量综合表示一组数据点的时间和空间特性，生成合并特征向量集； 所述优化权重数据的获取步骤具体为： 从所述合并特征向量出发，分析多时间点特征的影响力，采用统计方法计算多特征的初始权重，确定每个特征的基线权重，生成初始权重分析结果； 基于所述初始权重分析结果，对每个特征的权重进行细化调整，采用公式： 计算当前权重，生成调整权重结果； 其中，表示调整后的权重，表示原始权重，表示调整因子，表示预测偏差，代表调节系数的数值； 使用所述调整后的权重结果集，结合实时反馈回路校正模型预测中的偏差，通过动态调整保证每个特征权重的准确性，生成优化权重数据。

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深圳市星河智善科技有限公司，其通讯地址为：518000 广东省深圳市福田区福田街道岗厦社区彩田路3069号星河世纪A栋39层3910；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”。