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！

龙图腾网获悉浙江工业大学申请的专利一种基于任务敏感学习的可解释台风路径与强度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：CN121278656B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511836298.4，技术领域涉及：G06F18/25；该发明授权一种基于任务敏感学习的可解释台风路径与强度预测方法是由白琮;朱宇超;穆攀;罗玲;马昊;沈文强;严睿恺设计研发完成，并于2025-12-08向国家知识产权局提交的专利申请。

本一种基于任务敏感学习的可解释台风路径与强度预测方法在说明书摘要公布了：本发明属于气象灾害预报技术领域，具体涉及一种基于任务敏感学习的可解释台风路径与强度预测方法。本发明包括构建并训练预测网络模型，基于完整地形高程数据通过动态地形更新单元提取地形特征；基于任务定制化地形特征得到因果方向引导特征；基于台风历史属性时序特征、任务标识独热编码和原始气象特征得到初步任务定制化气象特征；基于初步任务定制化气象特征和原始气象特征得到任务定制化属性气象特征；将任务定制化地形特征、因果方向引导特征、任务定制化属性气象特征与台风历史属性时序特征融合，分别输入若干个预测子任务，得到不同任务的预测结果。本发明提升了台风路径与强度预测的准确性、可解释性与优化效率。

本发明授权一种基于任务敏感学习的可解释台风路径与强度预测方法在权利要求书中公布了：1.一种基于任务敏感学习的可解释台风路径与强度预测方法，其特征在于，包括： 构建预测网络模型，所述预测网络模型包括动态地形感知模块和任务敏感环境路由模块，其中，动态地形感知模块包括动态地形更新单元和地形因果方向引导单元；任务敏感环境路由模块包括可微分通道选择单元和交叉注意力特征融合单元； 获取完整地形高程数据，基于完整地形高程数据通过动态地形更新单元提取任务定制化地形特征； 将任务定制化地形特征输入地形因果方向引导单元，得到因果方向引导特征； 获取台风属性数据和环境气象变量，将环境气象变量输入到环境气象变量编码器，得到原始气象特征，将台风属性数据进行预处理并输入台风历史属性序列编码器分别提取不同预测子任务的台风历史属性时序特征； 基于台风历史属性时序特征、任务标识独热编码和原始气象特征，通过可微分通道选择单元得到初步任务定制化气象特征； 基于初步任务定制化气象特征和原始气象特征，通过交叉注意力特征融合单元得到任务定制化属性气象特征； 基于任务定制化属性气象特征、任务定制化地形特征、因果方向引导特征和台风历史属性时序特征，得到不同预测子任务的台风属性预测结果； 其中， 所述将任务定制化地形特征输入地形因果方向引导单元，得到因果方向引导特征，包括： 基于任务定制化地形特征得到地形查询向量，构建地形原型字典，利用地形原型字典得到每个原型的键向量和数值向量； 计算地形查询向量与原型的键向量之间的相关性，确定任务定制化地形特征与原型的匹配程度，并选择出与当前地形最相关的原型，生成对应的因果掩码； 从所选原型的数值向量中提取对应的地形语义信息，将所述地形语义信息与台风历史属性时序特征、任务定制化属性气象特征和任务定制化地形特征进行融合，并与因果掩码进行张量乘法，得到因果分支特征； 将因果分支特征作为因果方向引导特征； 对地形因果方向引导单元施加以下约束，包括： 将该因果掩码的互补部分定义为混杂掩码； 将台风历史属性时序特征、任务定制化属性气象特征和任务定制化地形特征进行融合，并与混杂掩码进行张量乘法，得到混杂分支特征； 将因果分支特征和混杂分支特征分别输入两个结构相同的方向分类器，得到各方向类别的概率预测值； 将因果分支特征进行随机打乱与混杂分支特征按元素加和融合，并输入随机融合多层感知机，输出干预分支的概率预测值； 对混杂分支的概率预测值施加均匀分布损失约束，对因果分支和干预分支的概率预测值与真实方向标签之间引入基于分类差异的损失约束。

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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。