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！

龙图腾网获悉北京师范大学申请的专利基于混合自适应图结构的验潮站水位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：CN121071615B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511604323.6，技术领域涉及：G06F18/241；该发明授权基于混合自适应图结构的验潮站水位预测方法是由石先武;黄章克设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本基于混合自适应图结构的验潮站水位预测方法在说明书摘要公布了：一种基于混合自适应图结构的验潮站水位预测方法，属于水文时间序列预测、图神经网络与时空数据建模技术领域。本发明通过一种多先验知识融合的混合自适应矩阵生成机制，实时构建能够精确刻画验潮站点间动态关联的图结构；采用一种改进的扩散卷积递归神经网络，在图结构上高效实现时空特征提取与融合；并构建端到端的联合训练框架，使自适应图结构生成模块与时空预测模块能够协同优化，从而显著提升水位预测的精度与鲁棒性，尤其在台风、风暴潮等复杂水文气象条件下表现出优越的适应性。

本发明授权基于混合自适应图结构的验潮站水位预测方法在权利要求书中公布了：1.一种基于混合自适应图结构的验潮站水位预测方法，包括以下步骤： 收集目标海域内各个验潮站点的历史水位及气象数据并进行预处理，获得各所述验潮站点的历史水位序列，并构建各所述验潮站点的时空序列样本；所述时空序列样本包含水位及气象要素； 构建混合自适应图结构；每个验潮站点被视为所述图结构中的一个节点； 计算各所述验潮站点间的地理距离、基于所述历史水位序列计算各站点间的动态时间规整距离以及互信息，引入三个可学习的标量权重参数θd，θm，θg，分别对应所述动态时间规整距离、所述互信息和所述地理距离的重要性，形成静态先验矩阵； 接收各所述验潮站点当前时刻的时空序列样本构成的时空特征张量，通过一个可学习的神经网络，实时推断站点间的动态相似度，获得动态相似度矩阵Sdynamic； 通过一个可学习的门控机制，将所述动态相似度矩阵Sdynamic与所述静态先验矩阵进行融合，最终生成基于Top-K稀疏化的混合自适应矩阵； 建立基于扩散卷积递归神经网络的时空预测模型，接收所述时空序列样本构成的时空特征张量作为输入，基于所述混合自适应矩阵作为图结构的邻接矩阵，对目标海域各所述站点未来时刻的水位进行预测； 所述混合自适应矩阵生成过程中各可学习的参数与所述基于扩散卷积递归神经网络的时空预测模型进行端到端的联合训练，采用梯度反向传播机制根据预测任务的最终性能进行自适应优化。

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师范大学，其通讯地址为：100088 北京市海淀区新街口外大街19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。