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！

龙图腾网获悉北京城市气象研究院申请的专利基于深度学习的风场预报数据处理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：CN119862984B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202411831462.8，技术领域涉及：G06Q10/04；该发明授权基于深度学习的风场预报数据处理方法及系统是由尹剑;朱怡杰;孙尧;智利蓉设计研发完成，并于2024-12-12向国家知识产权局提交的专利申请。

本基于深度学习的风场预报数据处理方法及系统在说明书摘要公布了：本申请公开了一种基于深度学习的风场预报数据处理方法及系统，属于气象预报大数据分析技术领域。本申请能够充分利用多种气象数据资源并依据整合指示进行有效处理。通过观测要素挖掘得到过往观测要素嵌入向量，特征池化与向量挖掘可深度提取气象观测信息特征。基于过往跨模态空间映射向量进行气象要素衍生与趋势推演，拓展了气象信息内涵。后续所生成的气象预报参考向量，提高了向量准确性。判别分析得出风场预报训练结果并获取预报置信特征，增加了预报结果的可信度。资料同化热力特征集定位目标交互变量确定目标风场预报处理网络，最终能依据当前信息准确生成风场预报结果，整体提升风场预报的准确性、可靠性和实用性。

本发明授权基于深度学习的风场预报数据处理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风场预报数据处理方法，其特征在于，所述方法应用于风场预报数据处理系统，所述方法包括： 获取过往多源气象观测信息及过往资料整合指示信息； 在初始风场预报处理网络中，利用所述过往资料整合指示信息对所述过往多源气象观测信息进行观测要素挖掘，得到过往观测要素嵌入向量；所述观测要素挖掘用于进行特征池化及向量挖掘； 利用所述过往资料整合指示信息对所述过往观测要素嵌入向量进行跨模态空间映射，得到过往跨模态空间映射向量，利用原始交互变量对所述过往观测要素嵌入向量与所述过往跨模态空间映射向量进行向量交互以及特征优化，得到气象预报参考向量； 包括： 当u为大于1且不大于X的正整数时，在所述初始风场预报处理网络的第u个空间映射核中，利用所述过往资料整合指示信息对第u-1个气象预报参考向量进行跨模态空间映射，得到第u个过往跨模态空间映射向量，获取第X-u+1个要素嵌入核所生成的第X-u+1个过往观测要素嵌入向量，利用所述第u个空间映射核中的第u个原始交互变量，对所述第X-u+1个过往观测要素嵌入向量与所述第u个过往跨模态空间映射向量进行向量交互，得到第u个过往交互向量，若u为X，则对第X个过往交互向量进行特征优化，得到气象预报参考向量；X为所述初始风场预报处理网络所包括的空间映射核的个数； 当u为1时，在所述初始风场预报处理网络的首个空间映射核中，利用所述过往资料整合指示信息对第X个过往观测要素嵌入向量进行跨模态空间映射，得到首个过往跨模态空间映射向量，利用首个原始交互变量对所述第X个过往观测要素嵌入向量与所述首个过往跨模态空间映射向量进行向量交互，得到首个过往交互向量； 所述跨模态空间映射用于进行气象要素衍生及气象趋势推演；初始风场预报处理网络为卷积核参数可调的卷积神经网络，该卷积神经网络包括用于提取多源气象观测信息中的局部特征的卷积层以及用于进行压缩简化的池化层； 通过所述初始风场预报处理网络对所述气象预报参考向量进行判别分析，得到风场预报训练结果，获取所述风场预报训练结果的预报置信特征； 通过所述原始交互变量与所述预报置信特征生成资料同化热力特征集，从所述资料同化热力特征集中定位目标交互变量，将包括所述目标交互变量的初始风场预报处理网络确定为目标风场预报处理网络；所述目标风场预报处理网络用于根据当前资料整合指示信息生成风场预报结果。

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北京城市气象研究院，其通讯地址为：100089 北京市海淀区紫竹院路44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。