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！

龙图腾网获悉中国石油大学(华东);中国科学院海洋研究所;海南热带海洋学院申请的专利一种基于机器学习的风、浪响应建模与海流反演的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：CN120562318B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511071587.X，技术领域涉及：G06F30/27；该发明授权一种基于机器学习的风、浪响应建模与海流反演的方法是由陈磊;车佳恒;潘晓驹;汪永超;李潇寒;闫秋双;范陈清;栾振东;艾金腾;杨朋朋;周振鲁;张杰设计研发完成，并于2025-08-01向国家知识产权局提交的专利申请。

本一种基于机器学习的风、浪响应建模与海流反演的方法在说明书摘要公布了：一种基于机器学习的风、浪响应建模与海流反演的方法，涉及人工智能及海洋信息服务技术领域，包括以下步骤：1数据获取；2数据处理；3构建数据集；4利用粒子群优化的机器学习算法建立海表流速反演模型；5经过测试和个例分析获得最优海表流速反演模型。针对海面的海洋学和多普勒频移特征，本发明首次提出粒子群优化的XGBoost模型风浪多普勒贡献预测方法，可以有效提高风浪多普勒贡献估计精度和速度。

本发明授权一种基于机器学习的风、浪响应建模与海流反演的方法在权利要求书中公布了：1.一种基于机器学习的风、浪响应建模与海流反演的方法，其特征为：包括以下步骤：1数据获取；2数据处理；3构建数据集；4利用粒子群优化的机器学习算法建立海表流速反演模型；5经过测试和个例分析获得最优海表流速反演模型； 所述的步骤1包括：通过Sentinel-1卫星观测SAR多普勒频移数据；通过WAVERYS获取海浪数据；通过HYCOM获取海流数据；通过HFRNet获取海流数据；所述的步骤2包括：21非地球物理多普勒频移校正；22对数据进行时空匹配； 所述的步骤4中，将SAR入射角、SAR雷达地距向风速风向、地距向波速波向作为输入参数建立与风-浪多普勒频移的关系； 所述步骤4中，选取入射角θ，地距向风速ur，风向地距向波轨道速度uwr，波向作为模型输入参数，风-浪致多普勒频移表示为： 将ECMWF风向转换到相对于SAR地距向的角度，表示为： 式中，表示SAR卫星轨道方位角，表示相对于正北的风向；变换后，0°和180°表示迎风即吹向雷达的风和顺风即吹离雷达的风，90°和270°表示方位风即沿卫星轨道的风；SAR地距向风速表示为： 式中，u表示匹配数据集中的ECMWF风速；将平均波向变换到相对SAR地离向的方向，表示为： 式中，表示相对于正北方向的平均波向；利用WAVERYS有效波高和平均波周期计算得到海浪轨道速度： uw＝ωm·Hs5 式中，Hs表示有效波高，ωm＝1Tm表示平均角频率，Tm表示平均波周期；SAR距离向的波轨道速度表示为： 然后，根据BPNN和XGBoost两个机器学习算法对公式1进行建模； 所述的步骤4中，通过采用粒子群算法对BPNN和XGBoost模型中的关键参数进行优化：对于BPNN模型，优化的参数包括学习率，迭代次数和批处理样本数；对于XGBoost模型，优化的参数包括基模型数量、学习率、最大树深度和最小叶重，通过优化分别获得优化后的BPNN模型、优化后的XGBoost模型。

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石油大学(华东);中国科学院海洋研究所;海南热带海洋学院，其通讯地址为：266580 山东省青岛市黄岛区长江西路66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。