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！

龙图腾网获悉南京信息工程大学申请的专利一种基于雷达图像与再分析数据融合的短时降水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：CN120337179B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510789456.9，技术领域涉及：G06F18/27；该发明授权一种基于雷达图像与再分析数据融合的短时降水预测方法是由沈菲菲;翟威棣;费海燕;吴乃庚;孙溦;吴钲;许冬梅;束艾青;席乐;郭雅凯;孙启龙;岳梦琪设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本一种基于雷达图像与再分析数据融合的短时降水预测方法在说明书摘要公布了：本发明公开一种基于雷达图像与再分析数据融合的短时降水预测方法，包括以下步骤：采集连续时次的雷达图像与再分析数据，通过空间插值、时间对齐及标准化处理生成统一网格格式的输入数据；利用双通道编码器分别提取雷达图像和再分析数据的时空特征，并通过通道注意力机制进行加权融合，生成融合特征张量；将融合特征输入卷积长短期记忆神经网络ConvLSTM，建模降水系统的时空演化过程，输出未来0‑3小时的初步降水预测图像；构建残差学习网络，基于历史残差和观测信息对初步预测结果进行偏差修正；当雷达图像输入缺失时，通过替代特征生成模块维持输入结构完整性；生成未来0‑3小时降水强度图像或概率图；本发明支持可视化输出。

本发明授权一种基于雷达图像与再分析数据融合的短时降水预测方法在权利要求书中公布了：1.一种基于雷达图像与再分析数据融合的短时降水预测方法，其特征在于，包括以下步骤： （1）采集连续时次的雷达图像与再分析数据，通过空间插值、时间对齐及标准化处理生成统一网格格式的输入数据；其中，雷达图像包括反射率Z、差分反射率、比相位及径向速度V，时间分辨率为6-10分钟，空间分辨率为0.5km×0.5km或1km×1km；再分析数据包括温度T、相对湿度RH、水平风速u，v及位势高度，时间分辨率为1小时，空间分辨率为0.25°×0.25°，经双线性插值对齐至雷达图像网格； （2）对雷达图像进行有效性检测，当雷达图像输入缺失时，通过替代特征生成模块维持输入结构完整性；然后利用双通道编码器分别提取雷达图像和再分析数据的时空特征，并通过通道注意力机制进行加权融合，生成融合特征张量；有效性检测是在每个时间步动态评估当前输入情况，并生成模态状态标记；其中，表示雷达图像可用；表示雷达图像缺失或不可用雷达图像有效性检测，当时，使用历史均值模板或条件生成网络生成替代雷达特征； 双通道编码器包括：雷达图像编码器和再分析变量编码器；雷达图像编码器为三层卷积神经网络，通道数依次为32→64→64，激活函数为ReLU；再分析变量编码器采用1×1卷积与全连接结构，保持变量通道独立性，输出通道数为64；通道注意力权重为可学习参数，融合公式为： ； 其中，为可学习通道注意力权重，依据输入特征的重要性自适应分配融合比例；再分析变量编码器对每个气压层850hPa、700hPa、500hPa的变量独立编码后拼接，经上采样至雷达图像分辨率； （3）将融合特征输入卷积长短期记忆神经网络ConvLSTM，建模降水系统的时空演化过程，输出未来0-3小时的初步降水预测图像；其中ConvLSTM为两层堆叠结构，输入通道数为64，输出通道数为64，卷积核大小为3×3，步长为1，激活函数为Tanh和Sigmoid；时序建模模块采用并行多步解码机制，通过两层卷积网络即3×3卷积核和1×1卷积核生成未来18帧降水图像，时间间隔为10分钟，输出尺寸为H×W； （4）构建残差学习网络，基于历史残差和观测信息对初步预测结果进行偏差修正；其中动态误差修正网络的输入包括初步预测图像、历史残差及再分析背景变量； 修正公式为： ； 其中，表示ConvLSTM网络输出的初步降水图像；为误差修正网络预测的残差图像；为修正后的最终降水预测结果； 损失函数包括均方误差项和L2正则项：；其中，为预测值与观测值之间的均方误差；为修正项幅度控制项；其中λ为调节权重； （5）生成未来0-3小时降水强度图像或概率图，并适配业务系统接口输出。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市江北新区宁六路219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”。