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多任务学习的轻量化海浪区域预报优化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：CN120910568B 。

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：202511438539.X，技术领域涉及：G06F18/214；该发明授权基于多任务学习的轻量化海浪区域预报优化方法及系统是由黄礼敏;吴可迪;刘昊;张杰;刘育良设计研发完成，并于2025-10-10向国家知识产权局提交的专利申请。

本基于多任务学习的轻量化海浪区域预报优化方法及系统在说明书摘要公布了：本发明属于海洋环境预报技术领域，公开了基于多任务学习的轻量化海浪区域预报优化方法及系统，该方法通过获取目标海域和背景海域的历史时空序列数据，分别构建目标海域和背景海域的数据集；将目标海域和背景海域输入数据共同输入至共享编码器进行特征提取，将共享特征分别输入至主任务解码器和辅助任务解码器，分别输出目标海域和背景海域的预测结果；将目标海域和背景海域预报任务的训练损失相加，作为模型损失进行反向传播；仅将目标海域预报所需数据输入至共享模块，将共享特征仅输入至训练后的主任务解码器，得到目标海域的最终预报结果。本发明能够更快速准确地反映外部波浪对目标海域的影响，提高有义波高预报精度和物理的合理性。

本发明授权基于多任务学习的轻量化海浪区域预报优化方法及系统在权利要求书中公布了：1.一种基于多任务学习的轻量化海浪区域预报优化方法，其特征在于，该方法包括以下步骤： S1，训练数据集构建：获取目标海域和背景海域的历史时空序列数据，并进行拼接处理，分别构建目标海域和背景海域的输入输出数据集；所述历史时空序列数据包括风速数据和波高数据； S2，多任务模型训练：将目标海域和背景海域输入数据共同输入至共享编码器进行特征提取，得到共享特征；将共享特征分别输入至主任务解码器和辅助任务解码器，分别输出目标海域和背景海域的预测结果；计算目标海域预测结果与真实值的第一损失、背景海域预测结果与真实值的第二损失，将第一损失与第二损失相加得到总损失，并根据总损失反向更新共享编码器、主任务解码器和辅助任务解码器的参数； S3，模型预报：直接将目标海域预报所需数据输入至经训练后固定的共享编码器，得到共享特征；将共享特征仅输入至经训练后的主任务解码器，得到目标海域的最终预报结果；其中，辅助任务解码器在预报阶段不参与计算； 在步骤S2中，共享编码器的构建包括： 构建共享编码器，目标海域输入数据为XT，背景海域输入数据为XB，通过卷积层在目标海域预报任务与背景海域预报任务间共享编码器参数θshare； 共享编码器由依次连接的三个二维卷积层和ReLU激活函数构成，其参数在训练过程中由目标海域任务和背景海域任务共同优化； 在步骤S2中，在解码器中，主任务解码器保持原有模型结构，专注于局地特征的提取，且与背景海域不共享参数；辅助任务解码器采用1×1卷积层进行线性变换，在保持共享特征的基础上调整通道数量，实现符合预报需求的输出；表达式为： 式中，为主任务解码器输出的目标海域预测结果，为辅助任务解码器输出的背景海域预测结果，f为主任务解码器的模型结构，σ为激活函数，XT为目标海域输入数据，θshare为共享编码器参数，XB为背景海域输入数据，θT为主任务解码器的独立参数，θB为辅助任务解码器的1×1卷积核参数，符号*为卷积运算。

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”。

以上内容由龙图腾AI智能生成。