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！

龙图腾网获悉国家气候中心;湖北省气候中心(湖北省生态与农业气象中心、湖北省气候变化中心)申请的专利基于深度学习的智能气候降尺度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：CN120931493B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511460674.4，技术领域涉及：G06T3/4076；该发明授权基于深度学习的智能气候降尺度方法及系统是由石英;王苗;吴佳;白洁;李群设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本基于深度学习的智能气候降尺度方法及系统在说明书摘要公布了：本发明公开了基于深度学习的智能气候降尺度方法及系统，涉及气候降尺度数据处理技术领域。该基于深度学习的智能气候降尺度方法，包括：辅助特征冗余监测；气候降尺度数据负荷监测；模型适配性监测；情景适配性监测。本发明通过进行气候降尺度预处理数据冗余判别以决定是否需要辅助特征去冗余处理，其次进行气候降尺度预处理数据负荷分析以决定是否需要轻量化预处理，最后进行模型适配性分析以决定是否需要进行情景共性分析，达到了提升高分辨率气候变化情景预估数据时效性的效果，解决了现有技术中存在高分辨率气候变化情景预估数据时效性低的问题。

本发明授权基于深度学习的智能气候降尺度方法及系统在权利要求书中公布了：1.基于深度学习的智能气候降尺度方法，其特征在于，所述方法包括： 在基于深度学习进行智能气候降尺度过程中，进行气候降尺度预处理数据冗余判别以决定是否需要采取辅助特征去冗余处理，所述辅助特征去冗余处理用于减少数据维度与存储负荷，提升输入数据的特征有效性； 在气候降尺度预处理数据冗余判别合格后，进行气候降尺度预处理数据负荷分析以决定是否需要采取轻量化预处理，所述轻量化预处理用于平衡数据处理效率与降尺度结果可靠性； 在气候降尺度预处理数据负荷分析合格后，进行模型适配性分析以决定是否需要进行情景共性分析； 若不需要进行情景共性分析，则发送模型训练失效预警，反之，则基于情景共性分析的结果决定是否需要采取跨情景迁移优化，所述跨情景迁移优化用于提升深度学习模型对多类型气候情景的降尺度适配精度与训练效率； 所述模型适配性分析的具体过程如下： 将合格气候降尺度预处理数据输入预设深度学习模型中进行模型训练，并获取预设深度学习模型训练耗时； 判断预设深度学习模型训练耗时是否小于预设训练耗时阈值，若是，则将对应的预设深度学习模型标记为合格深度学习模型，并基于合格深度学习模型进行情景共性分析，反之，则发送模型训练失效预警； 所述情景共性分析用于识别跨情景可复用的核心气候变量关联逻辑及模型参数配置经验，提升深度学习模型对多类型气候情景的降尺度适配能力； 所述合格深度学习模型用于适配气候降尺度任务; 所述情景共性分析的具体过程如下： 将基准情景下的合格气候降尺度预处理数据与待适配情景下的合格气候降尺度预处理数据分别输入基准情景下的合格深度学习模型，获取基准特征向量和待适配特征向量； 所述基准特征向量表示将基准情景下模型浅层特征提取层输出的浅层特征向量与残差组输出的残差特征向量进行合并后得到的多维度向量； 所述待适配特征向量表示将待适配情景下模型浅层特征提取层输出的浅层特征向量与残差组输出的残差特征向量进行合并后得到的多维度向量； 获取用于评估不同情景下合格深度学习模型特征提取层输出特征向量的相似程度的气候情景参数迁移适配指数； 判断气候情景参数迁移适配指数是否大于预设参数共享阈值，若是，则采取跨情景迁移优化，反之，则发送模型适配失效预警。

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国家气候中心;湖北省气候中心(湖北省生态与农业气象中心、湖北省气候变化中心)，其通讯地址为：100081 北京市海淀区中关村南大街46号国家气候中心；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。