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！

龙图腾网获悉中国水利水电科学研究院申请的专利一种基于注意力机制与多源数据插值融合的土壤湿度预测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：CN121302852B 。

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：202511297014.9，技术领域涉及：G06F30/27；该发明授权一种基于注意力机制与多源数据插值融合的土壤湿度预测方法及系统是由刘潇;刘荣华;武文杰;李帅;毕吴瑕;孙庆宇;杨永森设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本一种基于注意力机制与多源数据插值融合的土壤湿度预测方法及系统在说明书摘要公布了：本发明提供了一种基于注意力机制与多源数据插值融合的土壤湿度预测方法及系统，所述方法包括多源气象与土壤监测数据的采集与预处理，基于深度时序预测模型的土壤湿度预测，站点预测结果的空间插值融合，以及预测结果输出与格式化保存；所述系统包括多源气象与土壤监测数据融合模块，深度时序预测模型模块，空间插值扩展模块以及数据导出与可视化模块。本发明所述方法结合MonteCarloDropout方法获取预测不确定性，并通过Kriging与RBF插值实现高分辨率空间拓展；同时，所述系统兼具预测精度、区域适应性与部署灵活性，能够满足智慧农业、环境监测等多种应用需求。

本发明授权一种基于注意力机制与多源数据插值融合的土壤湿度预测方法及系统在权利要求书中公布了：1.一种基于注意力机制与多源数据插值融合的土壤湿度预测方法，其特征在于，所述方法包括以下步骤： 步骤1，多源气象与土壤监测数据的采集与预处理 S11，从若干地面气象监测点和土壤监测站点分别采集气象数据、土壤监测数据，采集包括风速、气温、气压、降水、蒸发、土壤湿度在内的时序观测数据； S12，数据预处理： 统一各数据格式并按时间对齐，提取小时与年积日的周期性特征并通过正弦余弦函数构造节律性特征，对各数据进行标准化处理； 步骤2，基于深度时序预测模型的土壤湿度预测 S21，模型构建：构建基于双向长短期记忆网络和注意力机制的神经网络结构，形成时间序列预测模型，具体包括： 以滑动窗口切片后的时间序列作为输入，每个时间步包含多维气象与土壤特征；通过双向长短期记忆网络BiLSTM提取时序信息，BiLSTM在前向与后向两个方向分别进行标准LSTM的门控计算，所述门控计算包括输入门、遗忘门、输出门及候选单元的更新，前后向的隐状态在每个时间步拼接得到输出序列；层间通过Dropout进行正则化； 在注意力机制中，以BiLSTM输出的全序列作为键和值，以最后时刻的隐状态或池化结果作为查询向量，通过加性注意力计算打分，先将键与查询向量分别映射至共同空间，进行非线性变换后与可学习向量做内积得到打分函数的输出值，再经softmax归一化得到权重，最终加权求和得到上下文向量c；在输出层，上下文向量c与全局表示拼接后输入多层感知机，分别形成两个预测头，一个预测头输出当前时刻土壤湿度预测值，另一个预测头一次性输出未来24小时的逐时预测序列； S22，采用MonteCarloDropout方法对输入序列进行多次前向推理采样，在推理阶段保持Dropout激活，使模型参数产生随机扰动，获得一组预测分布；最终的预测结果取这些采样的均值作为点估计，通过方差或分位数计算得到不确定性区间，输出包含当前时刻土壤湿度预测值及未来24小时的预测序列，同时附带置信区间，作为土壤湿度预测结果； 步骤3，站点预测结果的空间插值融合 S31，将步骤2得到的土壤湿度预测结果通过克里金插值算法生成粗分辨率空间格点分布； S32，采用径向基函数插值方法生成高分辨率预测图层； 步骤4，预测结果输出与格式化保存 将步骤3得到的高分辨率预测结果，格式化输出为格栅文件和或表格数据。

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中国水利水电科学研究院，其通讯地址为：100048 北京市海淀区车公庄西路20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。