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！

龙图腾网获悉武汉大学申请的专利一种联合地面和卫星观测约束的GPP多任务学习估算方法、系统、介质及设备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：CN121072810B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511637248.3，技术领域涉及：G06N20/00；该发明授权一种联合地面和卫星观测约束的GPP多任务学习估算方法、系统、介质及设备是由管小彬;马永明;沈焕锋设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本一种联合地面和卫星观测约束的GPP多任务学习估算方法、系统、介质及设备在说明书摘要公布了：本发明公开一种联合地面和卫星观测约束的GPP多任务学习估算方法、系统、介质及设备，属于遥感技术领域，方法包括获取OCO‑2SIF数据和TROPOMISIF数据，通过专家网络输出全球GPP产品预测值，处理流程包括：基于OCO‑2SIF数据集、TROPOMISIF数据集提取初始特征输入共享编码器模块，通过特征对齐与融合机制学习跨传感器的时空特征，输出OCO‑2SIF时间特征和TROPOMISIF空间特征并进行单独解码输出预测值和预测值，进而引入联合损失函数进行联合优化实现全球GPP的高精度估算，本发明解决了单一任务模型估算导致的时空泛化性不足，造成高值低估和低值高估的误差模式的问题。

本发明授权一种联合地面和卫星观测约束的GPP多任务学习估算方法、系统、介质及设备在权利要求书中公布了：1.一种联合地面和卫星观测约束的总初级生产力多任务学习估算方法，其特征在于，包括： 获取OCO-2SIF数据和TROPOMISIF数据； 基于所述OCO-2SIF数据和TROPOMISIF数据，通过预先训练的专家网络进行处理，输出全球GPP产品预测值； 所述专家网络的数据处理流程包括： 将OCO-2SIF数据集、TROPOMISIF数据集分别输入两层全连接神经网络提取初始特征，得到OCO-2SIF初始特征和TROPOMISIF初始特征； 将所述OCO-2SIF初始特征和TROPOMISIF初始特征输入共享编码器模块，通过特征对齐与融合机制学习跨传感器的时空特征，输出OCO-2SIF的时间特征和TROPOMISIF的空间特征； 分别对OCO-2SIF的时间特征和TROPOMISIF的空间特征进行单独解码，输出预测值和预测值； 通过融合层对预测值和预测值进行动态加权融合得到全球GPP产品预测值； 其中，所述专家网络训练时，以ECGPP观测样本作为训练标签，通过最小化全球GPP产品预测值与真实值的差异优化网络参数； 所述专家网络为具有多门控混合专家架构的多任务学习神经网络模型，包括： 输入层，用于接收OCO-2SIF数据集和TROPOMISIF数据集作为输入； 特征提取层，包括两层全连接神经网络，每层分别包含256个神经元并采用ReLU激活函数，用于根据OCO-2SIF数据集和TROPOMISIF数据集提取OCO-2SIF初始特征和TROPOMISIF初始特征输入共享编码器模块； 共享编码器模块，包括若干个专家子网络，用于根据OCO-2SIF初始特征和TROPOMISIF初始特征通过特征对齐与融合机制学习跨传感器的时空特征，得到OCO-2SIF的时间特征和TROPOMISIF的空间特征； 第一门控结构，用于采用注意力机制构建OCO-2SIF的时间特征与ECGPP观测样本之间的关系，输入第一解码器； 第二门控结构，用于采用注意力机制构建TROPOMISIF的空间特征与ECGPP观测样本之间的关系，输入第二解码器； 第一解码器，包含两层全连接层和Sigmoid激活函数，用于解码OCO-2SIF的时间特征得到预测值； 第二解码器，包含两层全连接层和Sigmoid激活函数，用于解码TROPOMISIF的空间特征得到预测值； 融合层，用于采用平均损失函数对预测值和预测值进行动态加权融合得到全球GPP产品预测值； 输出层，用于输出全球GPP产品预测值。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。