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！

龙图腾网获悉北京航空航天大学;中国移动通信集团北京有限公司申请的专利训练方法及装置、时空数据预测方法及装置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：CN120449972B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510947249.1，技术领域涉及：G06N3/088；该发明授权训练方法及装置、时空数据预测方法及装置是由邓攀;赵宇;刘俊廷;陈磊;张瑾铭;丛丽;王子昂;庞双双设计研发完成，并于2025-07-10向国家知识产权局提交的专利申请。

本训练方法及装置、时空数据预测方法及装置在说明书摘要公布了：本申请公开了一种训练方法及装置、时空数据预测方法及装置，涉及数据预测技术领域，该方法包括：将获取的样本输入时空预测网络进行训练得到预测模型，其中，时空预测网络包括映射函数、逆映射函数和跨尺度Koopman算子；时空预测网络和预测模型用于根据输入数据执行时空数据预测；时空数据预测包括：通过映射函数将输入数据映射到第一表征空间中，至少得到当前时间步的特征变量；将当前时间步的特征变量通过跨尺度Koopman算子进行预测以得到下一时间步的预测特征变量；通过逆映射函数将下一时间步的预测特征变量映射到观测空间中，得到预测结果；预测结果包括下一时间步的预测时空观测数据，本申请可提升对时空系统未来状态预测的准确性。

本发明授权训练方法及装置、时空数据预测方法及装置在权利要求书中公布了：1.一种训练方法，其特征在于，所述训练方法应用于城市交通流量和道路速度的时空序列预测领域，所述方法包括： 获取样本；每一样本包括观测空间中的时空观测数据序列；每一样本至少包括以下信息中的至少一项：同一时间步下不同道路在各采样时刻的道路平均速度： 将所述样本输入时空预测网络进行训练得到预测模型，其中，所述时空预测网络包括映射函数、逆映射函数和跨尺度Koopman算子；所述时空预测网络和所述预测模型用于根据输入数据执行时空数据预测； 所述时空数据预测包括： 通过映射函数将输入数据映射到第一表征空间中，至少得到当前时间步的特征变量；所述输入数据为当前时间步下不同道路在各采样时刻的道路平均速度，当前时间步的特征变量为当前时间步下不同道路在各采样时刻的道路平均速度对应的特征变量； 将所述当前时间步下不同道路在各采样时刻的道路平均速度对应的特征变量通过所述跨尺度Koopman算子中的全局共享算子、社群特有算子和节点特有算子分别进行预测，得到下一时间步的全局预测特征变量、社群预测特征变量以及节点预测特征变量，并进行融合，以得到下一时间步下不同道路在各采样时刻的道路平均速度对应的预测特征变量；所述全局共享算子是一个的可学习矩阵，在时空维度上均共享，用于刻画全局动力学的趋势和行为，更新方程如下：，其中，表示使用全局共享算子计算的下一时间步t+1的全局预测特征变量，表示当前时间步t的特征变量；所述社群特有算子是一个的可学习矩阵，其跨时间维度共享，不同社群之间独立，更新公式如下：；其中，表示使用社群特有算子计算的下一时间步的社群预测特征变量，其包含各社群所对应的下一时间步的社群预测特征变量；表示属于社群c的所有节点对应的下一时间步的社群预测特征变量，指示变量会把属于社群c的节点筛出来，表示第个群特有Koopman算子，表示哈达玛积；采用下述公式将当前时间步的特征变量通过节点特有算子进行预测，得到下一时间步的节点预测特征变量：其中，表示第个节点在其特有的Koopman算子作用下所计算出的t+1的节点预测特征变量；表示的转置；表示下一时间步的节点预测特征变量，其包含各节点的下一时间步的节点预测特征变量； 通过逆映射函数将所述下一时间步下不同道路在各采样时刻的道路平均速度对应的预测特征变量映射到所述观测空间中，得到预测结果；所述预测结果包括下一时间步下不同道路在各采样时刻的道路平均速度。

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北京航空航天大学;中国移动通信集团北京有限公司，其通讯地址为：100191 北京市海淀区学院路37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。