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！

龙图腾网获悉浙江大学海南研究院申请的专利基于深度学习MOE-Transformer模型的台风浪波高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：CN120873824B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511380342.5，技术领域涉及：G06F18/2415；该发明授权基于深度学习MOE-Transformer模型的台风浪波高预测方法是由高洋洋;李旭;王立忠设计研发完成，并于2025-09-25向国家知识产权局提交的专利申请。

本基于深度学习MOE-Transformer模型的台风浪波高预测方法在说明书摘要公布了：本发明公开了一种基于深度学习MOE‑Transformer模型的台风浪波高预测方法，具体步骤为：该方法步骤如下：采集研究区域历史台风资料，结合中心气压差公式构建虚拟台风数据集；通过Holland台风经验模型及风浪增长关系，处理历史与虚拟台风数据集，获取风场、气压场和有效波高场；以ERA5数据集为基准，用误差模型矫正上述场数据，形成包含气象数据、有效波高场及台风数据的台风时空融合数据库；对MOE‑Transformer模型进行训练和测试，得到台风浪有效波高预测模型用于台风浪波高预测。本方法提升了多任务适应性和泛化能力，提升台风浪波高预测的精度和时效。

本发明授权基于深度学习MOE-Transformer模型的台风浪波高预测方法在权利要求书中公布了：1.一种基于深度学习MOE-Transformer模型的台风浪波高预测方法，其特征在于，包括以下步骤： S1、采集研究区域的历史台风资料作为历史台风数据集，通过马尔科夫链、核密度函数和中心气压差公式构建研究区域的虚拟台风数据集，具体方法包括： 基于历史台风资料，研究区域划分网格，通过核密度函数统计研究区域内历史台风生成的频率和每个历史台风起点处的生成和终止概率，结合概率和起点分布得到虚拟台风的起点分布；提取历史台风期间近中心最大风速、台风移动速度和台风移动方向这三个采样参数作为马尔可夫链中的初始信息；对三个采样参数以固定时间间隔进行采样，得到三个采样参数的变化值直到虚拟台风终止； 根据历史台风资料建立环境气压与历史台风中心气压的差值△P和近中心最大风速、台风中心纬度和台风移动速度之间映射关系，对虚拟台风的中心气压进行赋值，最终得到虚拟台风数据集； S2、通过Holland台风经验模型及风浪增长关系对历史台风和虚拟台风数据集处理，分别得到二者的风场、气压场和有效波高场； S3、选用ERA5数据集作为基准数据集，利用误差模型对历史台风和虚拟台风数据集中的风场、气压场和有效波高场矫正，矫正后的数据集构成台风时空融合数据库； 所述数据库中包括研究区域气象数据：风场、气压场；研究区域有效波高值：有效波高场；台风数据：台风中心的经度和纬度，近中心最大风速和中心气压； S4、将所述台风时空融合数据库划分为训练集、验证集和测试集； S5、选取t-12至t时段内的台风数据、研究区域气象数据和研究区域有效波高值作为输入序列，利用MOE-Transformer模型构建台风数据、研究区域气象数据和研究区域有效波高值之间的映射关系，分别预测t+1、t+3、t+6、t+12时刻的研究区域有效波高值，将其作为模型的目标输出结果； S6、基于所述训练集和验证集的数据对MOE-Transformer模型进行训练和验证，得到台风浪有效波高预测模型；基于测试集中的数据对台风浪有效波高预测模型进行评估测试，并通过台风浪有效波高预测模型进行台风浪波高预测。

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浙江大学海南研究院，其通讯地址为：572025 海南省三亚市崖州区崖州湾科技城标准厂房二期三楼C310区；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。