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！

龙图腾网获悉哈尔滨工业大学申请的专利一种基于多个深度学习算法的耀斑预测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：CN120632452B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202510739750.9，技术领域涉及：G06F18/214；该发明授权一种基于多个深度学习算法的耀斑预测方法是由万杰;刘榛;韩轲设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本一种基于多个深度学习算法的耀斑预测方法在说明书摘要公布了：本发明公开了一种基于多个深度学习算法的耀斑预测方法，首先进行数据清洗，处理缺失值和异常值，并且划分数据集，再使用Min‑Max归一化增强模型数值稳定性。鉴于磁场特征众多，采用XGBoost进行特征选择。为解决数据集中的类别不平衡问题，先通过SMOTE生成少数类样本，再通过欠采样减少多数类样本，从而平衡正负样本比例。接着，将数据分别输入1DCNN、TCN和LSTM模型，利用加权平均法融合三者的预测结果，得到最终的预测结果。该方法利用多种深度学习技术表达序列数据特征，通过综合处理实现对耀斑更准确的预测，提高了耀斑预测效率和准确率，为空间探索与活动提供重要保障。

本发明授权一种基于多个深度学习算法的耀斑预测方法在权利要求书中公布了：1.一种基于多个深度学习算法的耀斑预测方法，其特征在于所述方法包括如下步骤： 步骤S1、获取耀斑磁场数据文件； 步骤S2、进行数据清洗，处理数据中的缺失值和异常值，形成数据集并且划分为训练集、验证集和测试集； 步骤S3、使用Min-Max方法对数据集进行归一化处理，进入步骤S4； 步骤S4、使用XGBoost算法计算特征重要性，选择重要特征，具体步骤如下： a、训练XGBoost模型； b、计算每个特征在训练集上的增益总和： 其中，为特征在所有决策树节点分裂中产生的总增益，为待评估重要性的特征变量，为所有决策树中通过特征进行节点分裂的实例集合，为决策树中分裂节点的索引，为在节点分裂前的损失函数值，为在节点分裂后，其子节点的加权损失之和； c、计算特征重要性： 其中，为数据集中第个特征； d、选择0.05的特征形成最终特征集F_selected； 步骤S5、判断处理后的训练集是否属于平衡数据集，若是，则进入步骤S8；若否，则进入步骤S6，具体步骤如下： 计算训练集的类不平衡度指标： 其中，和分别表示正样本和负样本的数量； 当IR≥5时进入步骤S6执行平衡处理；当IR＜5时，该训练集为平衡数据集，直接执行步骤S8； 步骤S6、使用SMOTE算法生成正样本； 步骤S7、使用欠采样算法减少负样本； 步骤S8、将得到的平衡训练集分别输入独立训练的1DCNN、TCN、LSTM模型中预测，得到三种预测结果； 步骤S9、使用加权平均方法融合三种模型得到的预测结果，从而得到最终预测结果。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。