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！

龙图腾网获悉无锡九方科技有限公司申请的专利一种基于人工智能的海洋环境数据重建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：CN120951831B 。

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：202511483313.1，技术领域涉及：G06F30/27；该发明授权一种基于人工智能的海洋环境数据重建方法是由王明清;张佳婧;时海云;王蕾;何奕;柳沙沙设计研发完成，并于2025-10-17向国家知识产权局提交的专利申请。

本一种基于人工智能的海洋环境数据重建方法在说明书摘要公布了：本发明公开了一种基于人工智能的海洋环境数据重建方法，具体涉及海洋环境数据处理领域，包括基于多源海洋环境数据，通过多域特征学习机制提炼出关键特征，并利用海洋环境重建网络，对海洋环境数据进行重建。一种基于人工智能的海洋环境数据重建方法通过元学习外循环与多任务学习内循环，使特征编码器获得跨域快速自适应能力并学习域不变的通用特征表示，减少了对特定训练数据分布的依赖，提升了跨域适应能力；通过海洋环境重建网络实现了对不同海洋现象的专业化建模，克服了统一结构网络对差异特性适应性不足；通过动态生成权重选择并组合专家网络的机制，实现了对不同海洋环境场景的自适应建模，提高了模型对区域和物理参数差异的适应能力。

本发明授权一种基于人工智能的海洋环境数据重建方法在权利要求书中公布了：1.一种基于人工智能的海洋环境数据重建方法，其特征在于，包括： S1：接收并获取来自卫星遥感、浮标、雷达及船舶观测的目标区域的多源海洋环境数据； S2：对所述多源海洋环境数据进行预处理，生成第一海洋关键特征； S3：对所述第一海洋关键特征执行多域特征学习机制，以获取第二海洋关键特征； 执行所述多域特征学习机制之前，通过元学习外循环与多任务学习内循环的协同训练范式，获取特征编码器的步骤包括： 构建一协同训练范式，其包含一个元学习外循环和一个多任务学习内循环； 执行所述多任务学习内循环包括一个主任务和至少一个辅助任务；所述主任务为输入数据的自我重建任务；所述辅助任务为与域相关的属性分类任务，用于识别数据来源；通过联合优化所述主任务与辅助任务，所述特征编码器被强制解耦出与域无关的通用特征； 通过所述元学习外循环对所述特征编码器的初始参数进行优化，获得跨域的快速自适应能力： 于训练阶段，在每一轮迭代中执行以下操作： S301：从所述第一海洋关键特征中预采样一批元任务，其中每个元任务包含一个支持集和一个查询集，所述元任务的支持集和查询集分别来自两个不同的域，且其选取需满足其数据分布之间的KL散度小于预设阈值，所述预设阈值通过经验设置为0.1；其中，所述域定义为由数据来源、所属地理区域和所属季节共同构成的一个唯一标识符； S302：对于每个元任务，将所述支持集输入当前的特征编码器，计算任务特定损失，其中，表示为平衡两项损失的超参数，表示为用于衡量重建数据与真实值之间的差异的均方误差损失；表示为用于衡量域分类预测结果与真实域标签之间的差异的交叉熵损失，表示为同一网格的真值参考，表示为域ID，并进行一次或多次梯度下降，得到该元任务上适配后的参数,其中，表示为内循环学习率；其中，任务头和的参数也会进行任务特定的快速适配； S303：使用S302得到的适配后参数，在所述查询集上计算性能损失； S304：将所有元任务在查询集上的损失汇总，并反向传播更新所述特征编码器的初始参数，当的初始参数被更新，而和的参数在每个任务中初始化并适配，其参数被视为元学习器的组成部分一同优化； S305：通过循环执行步骤S301至S304，使所述特征编码器获得最快适应未知域的初始参数分布； 通过所述多任务学习内循环在同一区域数据上联合优化多个任务，迫使学习域不变的通用特征表示； 通过所述元学习外循环与多任务学习内循环的迭代与协同，获取所述特征编码器； S4：构建海洋环境重建网络，并将所述第二海洋关键特征通过所述海洋环境重建网络进行海洋环境数据的重建，获取第三海洋关键特征； 其中：所述海洋环境重建网络由共享主网络、多个专家网络和一门控网络组成。

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无锡九方科技有限公司，其通讯地址为：214000 江苏省无锡市滨湖区蠡园开发区吟白路1号研创大厦1701-1室；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。