Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中国海洋大学三亚海洋研究院;三亚海洋实验室;中国海洋大学赵玮获国家专利权

中国海洋大学三亚海洋研究院;三亚海洋实验室;中国海洋大学赵玮获国家专利权

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!

龙图腾网获悉中国海洋大学三亚海洋研究院;三亚海洋实验室;中国海洋大学申请的专利海洋智能预报大模型构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:CN120996105B

龙图腾网通过国家知识产权局官网在2026-01-06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:202511526987.5,技术领域涉及:G06N3/0455;该发明授权海洋智能预报大模型构建方法是由赵玮;林霄沛;金亦帅;黄炜楠;梁韵设计研发完成,并于2025-10-24向国家知识产权局提交的专利申请。

海洋智能预报大模型构建方法在说明书摘要公布了:本发明提供了一种海洋智能预报大模型构建方法,涉及海洋预报领域,具体包括如下步骤:获取多源海洋观测数据,通过多源观测数据融合与数值模式同化,构建经质量控制、时空配准、标准化及数据集划分处理的高分辨率海洋分析数据集;构建基础预测模型,利用基础预测模型对频域增强后的特征与空间局部特征进行多尺度融合;在设定的区域范围内运行训练后的基础预测模型,基础预测模型输出结果通过逆标准化恢复为原始物理量值;通过订正模块将基础预测模型的滚动输出与观测数据或高分辨率模式结果进行对比,学习误差并输出订正量,与原预测结果叠加,获得预测场。本发明的技术方案克服现有技术中海洋预报模型不能满足复杂应用场景需求的问题。

本发明授权海洋智能预报大模型构建方法在权利要求书中公布了:1.一种海洋智能预报大模型构建方法,其特征在于,具体包括如下步骤: S1,获取多源海洋观测数据,通过多源观测数据融合与数值模式同化,构建经质量控制、时空配准、标准化及数据集划分处理的高分辨率海洋分析数据集; S1.1,通过潜标观测资料、浮标观测资料与卫星遥感产品获取多源海洋观测数据,多源海洋观测数据包括:海温、盐度、流速和海表高度; S2,构建基础预测模型,包括:编码器、频域增强单元和解码器,利用基础预测模型对频域增强后的特征与空间局部特征进行多尺度融合; S3,在设定的区域范围内运行训练后的基础预测模型,基础预测模型输出结果通过逆标准化恢复为原始物理量值; S4,通过三维卷积残差订正模块将基础预测模型的滚动输出与观测数据或高分辨率模式结果进行对比,学习误差并输出订正量,与原预测结果叠加,获得预测场; 三维卷积残差订正模块以后处理插件形态与基础预测模型解耦部署,接口对接滚动预测缓存,推理计算在多GPU上实时完成;在多GPU环境下采用分布式数据并行进行训练,结合混合精度加速与显存优化; 步骤S2具体包括如下步骤: S2.1,构建基础预测模型,基础预测模型包括:依次连接的输入层、编码器、频域增强单元、解码器和输出重建层; S2.2,在基础预测模型训练过程中采用的复合损失函数为: ; 其中,为参考真值张量,为预测张量,表示范数,为有效掩膜矩阵,表示逐元素乘法,为总变分正则项,、、、为各项损失权重; S2.3,采用自适应梯度类优化方法,结合学习率调度机制对参数优化;学习率表达为: ; 其中,表示第t次迭代的学习率,为初始学习率,为随训练步数变化的调度函数。

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中国海洋大学三亚海洋研究院;三亚海洋实验室;中国海洋大学,其通讯地址为:572024 海南省三亚市崖州区深海科技创新公共平台;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。