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！

龙图腾网获悉中国气象科学研究院;中国人民解放军国防科技大学申请的专利基于AI和物理特性的TC路径与强度预测方法、设备及介质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：CN119474681B 。

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：202411599153.2，技术领域涉及：G06F18/10；该发明授权基于AI和物理特性的TC路径与强度预测方法、设备及介质是由刘欣;徐洪雄;冯佳宁;赵大军;谢衍新;李昀英设计研发完成，并于2024-11-11向国家知识产权局提交的专利申请。

本基于AI和物理特性的TC路径与强度预测方法、设备及介质在说明书摘要公布了：本发明公开了一种基于AI和物理特性的TC路径与强度预测方法、设备及介质，旨在提高TC路径和强度的短时间尺度预报精度，通过整合多个具备明确物理意义的因子，如引导气流、通风流、涡度、海洋表层温度等，对这些物理因子进行相关性分析和回归分析等，确保了输入因子对TC路径和强度变化具有显著影响。采用卷积神经网络CNN、循环神经网络RNN、多层感知机MLP、随机森林RF、极限梯度提升XGBoost和长短期记忆网络LSTM等多种AI模型，捕捉气象因子间复杂的非线性关系。此外，通过采用实时反馈机制，允许新观测数据动态输入并优化模型参数，提升了预测结果实时性。该方法特别适用于西北太平洋区域，并具备广泛的应用前景，如在气象、航空、海运等领域提供科学支持。

本发明授权基于AI和物理特性的TC路径与强度预测方法、设备及介质在权利要求书中公布了：1.一种基于AI和物理特性的TC路径与强度预测方法，其特征在于，所述预测方法在实施时至少包括如下步骤： SS1.从多个气象数据源和海洋数据源中获取至少连续五年的历史气象数据，至少包括TCBestTrack数据、FNL大气再分析数据以及GODAS海洋再分析数据； SS2.对所收集的历史气象数据和海洋数据进行预处理，将预处理后的数据集划分为训练集和验证集； SS3.基于预处理后的历史TCBestTrack数据和目标预报区域的特点，选择多个与TC路径和强度变化密切相关的变量作为模型输出因子，且所述模型输出因子至少包括TC位置变化和强度变化，通过对这些变量的时间序列进行计算以提取特征变化并建立模型输出目标； SS4.基于TC移动和强度变化的物理机制，并结合预处理后的FNL大气再分析数据和GODAS海洋再分析数据，选择并计算与TC运动和强度变化相关多个物理因子，至少应包括中层和高层的引导气流、Beta漂移力和通风流、中层和高层的气流涡度、高低空的垂直风切变、大气下层温度、大气底层湿度、诊断CAPE值、海洋表面温度SST、海洋上层200m平均温度以及TC下垫面的LANDMASK，之后对所选择物理因子与TC路径和强度变化进行相关性分析，逐一计算每一物理因子与模型输出因子之间的相关系数，并根据分析结果最终确定模型输入因子集；并且其中，Beta漂移力和通风流的计算至少包括如下子步骤： 从FNL大气再分析数据中提取TC周围0-500km范围内500hPa、600hPa和700hPa三个压力层的U和V风场数据，其中U为x方向风速分量，V为y方向风速分量，并对所提取三个压力层的U和V风场进行垂向平均计算，得到代表中层大气的平均风场； 在获得垂直平均后的U和V风场数据中，利用TC的当前位置和前6小时位置计算TC的移动速度，并将此速度从平均后的U和V风场中减去，得到相对于TC的环境风场； 选取TC中心500km半径范围内的风场作为计算区域并将其分解为切向风和径向风，其中切向风代表沿TC旋转方向的风速分量，径向风代表垂直于切向方向的风速分量； 对径向风和切向风分别进行傅里叶分解，提取一阶波动分量描述风场中最主要的非对称成分，并通过逆傅里叶变换将分解后得到的一阶波动分量重新转化为笛卡尔坐标系下的U和V风速分量； 对反算后的U和V风速分量在整个计算区域内进行全场平均处理，最终得到Beta漂移力和通风流的大小和方向，其中Beta漂移力代表TC相对于大气环境引导气流的偏移，通风流代表非对称次级气流的影响； SS5.基于确定的模型输出因子和模型输入因子，选择至少一种AI模型构建TC路径与强度预测模型，并使用训练集数据对所构建的TC路径与强度预测模型进行训练； SS6.使用验证集数据对训练好的TC路径与强度预测模型进行验证，根据验证结果对模型进行优化调整； SS7.建立实时反馈机制，将新观测气象数据经预处理后动态输入优化后的模型中，实时触发的定期再训练的方式持续调整和优化模型参数，并定期评估模型性能并更新输入因子集和模型结构； SS8.生成并输出未来6小时、12小时和24小时内TC的路径变化及强度变化的预测结果，计算并输出预测误差，并提供预测结果的可信度评估。

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中国气象科学研究院;中国人民解放军国防科技大学，其通讯地址为：100081 北京市海淀区中关村南大街46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”。

以上内容由龙图腾AI智能生成。