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！

龙图腾网获悉青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学申请的专利基于深度学习的船舶航行海浪动态时空预报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：CN120387552B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510854969.3，技术领域涉及：G06Q10/04；该发明授权基于深度学习的船舶航行海浪动态时空预报方法及系统是由夏桂华;黄礼敏;刘育良;张智设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本基于深度学习的船舶航行海浪动态时空预报方法及系统在说明书摘要公布了：本发明属于海洋环境预测技术领域，公开了基于深度学习的船舶航行海浪动态时空预报方法及系统。该方法对采集的船舶AIS数据与ERA5再分析数据集，进行时空对齐、缺失值修复及标准化处理，生成包含经纬度、时间戳、风速及有效波高的节点特征向量；通过节点特征编码、中心性编码、空间编码与时间编码，量化船舶轨迹节点重要性及时空交互关系；构建SeaGraph模型，输出目标航点的有效波高预测值；进行验证。本发明突破了传统静态建模框架的时空约束，整合自注意力机制与图网络的优势，强化对船舶航行轨迹前方波浪场动态演变的预见性建模能力，为复杂海况下的船舶智能航行提供高精度的海浪预报支持。

本发明授权基于深度学习的船舶航行海浪动态时空预报方法及系统在权利要求书中公布了：1.一种基于深度学习的船舶航行海浪动态时空预报方法，其特征在于，该方法包括以下步骤： S1，对采集的船舶AIS数据与ERA5再分析数据集进行时空对齐、缺失值修复及标准化处理，生成包含经纬度、时间戳、风速及有效波高的节点特征向量；所述节点特征向量通过节点特征编码、中心性编码、空间编码与时间编码，量化船舶轨迹节点重要性及时空交互关系； S2，基于船舶轨迹节点重要性及时空交互关系量化结果，利用Transformer架构构建SeaGraph模型，通过多头自注意力机制与图网络融合，动态捕捉波浪场的时空传播规律，通过动态输出层输出目标航点的有效波高预测值； S3，通过SeaGraph模型训练、对比实验以及极端事件验证，进行SeaGraph模型验证与性能分析； 在步骤S2中，SeaGraph模型包含多层级联的SeaGraph层，每层集成层归一化、多头自注意力模块与前馈网络； SeaGraph层基于Transformer编码器实现，在多头自注意力MHA和前馈网络FFN之前应用层归一化LN，具体计算如下： ； ； 式中，为第层的节点表示；为多头自注意力，为前馈神经网络，为归一化，为第层的节点表示，为第层通过多头注意力后得到的中间节点表示。

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青岛哈尔滨工程大学创新发展中心;哈尔滨工程大学，其通讯地址为：266400 山东省青岛市黄岛区三沙路1777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”。