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！

龙图腾网获悉南京信息工程大学申请的专利融合地表覆盖与时间周期编码的WRF风速订正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：CN121389031B 。

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：202511958940.6，技术领域涉及：G06F18/25；该发明授权融合地表覆盖与时间周期编码的WRF风速订正方法是由夏景明;黄佳欣;谈玲设计研发完成，并于2025-12-24向国家知识产权局提交的专利申请。

本融合地表覆盖与时间周期编码的WRF风速订正方法在说明书摘要公布了：本发明公开了融合地表覆盖与时间周期编码的WRF风速订正方法，通过融合WRF模式数据、ERA5‑Land再分析数据和站点观测数据，结合多源数据时空对齐、主成分因子筛选、多模块协同特征提取及不确定性加权监督方法，适用于复杂地形区域WRF模式10m风速的系统性误差订正，以解决现有WRF模式在复杂地形区域和地表异质性强区域中风速模拟精度不足、偏差显著、缺乏针对性订正机制等问题。本发明通过融合地形、地表覆盖和时间周期性信息等多源异构数据，引入深度学习方法构建多模块协同的偏差校正框架，从而显著提升风速预报的空间精度与区域适应能力。

本发明授权融合地表覆盖与时间周期编码的WRF风速订正方法在权利要求书中公布了：1.融合地表覆盖与时间周期编码的WRF风速订正方法，其特征在于，包括如下步骤： 步骤1，收集待订正区域的WRF气象数据、ERA5-Land数据、气象站点观测数据、DEM数字高程数据以及地表覆盖数据，构建数据集，并划分为训练集和测试集；将WRF气象数据中的10m风速作为待订正数据，ERA5-Land数据和气象站点观测数据中的10m风速联合起来作为真值数据； 步骤2，构建WRF风速订正模型，包括四个分支，第一个分支通过融合多尺度卷积结构与通道-空间双注意力机制的气象特征提取模块提取气象特征，第二个分支通过基于正余弦周期编码的周期信息提取模块提取时间周期特征，第三个分支通过基于多尺度卷积与自适应池化的地理特征提取模块提取地形特征，第四个分支通过引入地表类型嵌入向量并结合跨尺度注意力的地表覆盖特征提取模块提取地表覆盖特征；通过将气象特征、时间周期特征、地形特征和地表覆盖特征进行通道拼接与卷积，得到多源异构融合特征；将多源异构融合特征输入轻量化Unet编解码器结构，实现对多源异构融合特征的非线性建模与空间信息恢复，输出10m风速订正结果； 所述步骤2中，地理特征提取模块以DEM数字高程数据为输入，利用ArcGIS空间分析工具处理数字高程数据，提取多源地形参数：海拔A、坡度Slope、坡向Aspect、地形粗糙度R和坡度变率Sr，将上述多源地形参数沿通道维度拼接，得到多源地形输入特征； 采用双分支并行编码结构提取初始地形语义表示F0，具体包括：利用分支一对多源地形输入特征进行3×3卷积、批归一化和ReLU激活，利用分支二对多源地形输入特征进行1×1卷积，将分支一与分支二的输出特征逐元素加和，得到初始地形语义表示F0； 基于地形粗糙度R与坡度变率Sr计算地形复杂度指数Tc：，根据Tc划分三类地形等级，生成对应二进制掩码，为低复杂度地形，掩码为Tc_low，为中复杂度地形，掩码为Tc_mid，为高复杂度地形，掩码为Tc_high； 利用低复杂度分支、中复杂度分支和高复杂度分支分别从初始地形语义表示F0中提取低复杂度特征、中复杂度特征和高复杂度特征，将各复杂度特征与对应复杂度掩码逐元素相乘再加和，得到自适应动态提取特征；低复杂度分支、中复杂度分支和高复杂度分支的结构相同，均包括依次连接的3×3空洞卷积、批归一化和GELU激活函数，低、中和高复杂度分支中3×3空洞卷积的膨胀率分别为1、3和5； 对自适应动态提取特征依次进行1×1卷积、批归一化、GELU激活和自适应性平均池化，得到地理特征提取模块的输出即地形特征； 步骤3，利用训练集对步骤2构建的WRF风速订正模型进行训练，训练过程中采用不确定性加权损失函数自适应平衡双真值，引导模型训练，得到训练好的WRF风速订正模型； 步骤4，将测试集中的WRF气象数据、DEM数字高程数据以及地表覆盖数据输入训练好的WRF风速订正模型中，输出风速订正结果。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。