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！

龙图腾网获悉长沙理工大学申请的专利基于数据驱动的大尺度区域海浪快速预报方法及装置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：CN121543045B 。

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：202610078560.1，技术领域涉及：G06F18/25；该发明授权基于数据驱动的大尺度区域海浪快速预报方法及装置是由伍志元;杨康;蒋昌波;魏稳;刘晓建;陈杰;邓斌;高凯设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本基于数据驱动的大尺度区域海浪快速预报方法及装置在说明书摘要公布了：本发明公开了一种基于数据驱动的大尺度区域海浪快速预报方法及装置，其中方法包括步骤：获取目标海域的多源海洋物理环境数据，生成时空分辨率统一的标准物理场数据流；构建包含风场驱动信息、地形边界信息和历史波浪状态信息的多通道时空输入张量；通过反向传播机制最小化预测波高与真实波高之间的差异，从而获得训练完成的波高预测模型；接收实时观测或数值预报模式输出的最新风速场数据，输出未来目标时刻的海浪有效波高预测场；装置用来实现上述方法。本发明提供的方法技术方案通过物理滞后对齐机制，精准捕捉风能向浪能传递的时间延迟，提升了建模精度；同时基于深度学习实现大尺度海浪场的快速推演，兼具高准确性与高时效性。

本发明授权基于数据驱动的大尺度区域海浪快速预报方法及装置在权利要求书中公布了：1.一种基于数据驱动的大尺度区域海浪快速预报方法，其特征在于，包括： S1，获取目标海域的多源海洋物理环境数据，所述多源海洋物理环境数据包括历史风速矢量序列、历史海浪有效波高序列和静态海底地形数据，并对所述多源海洋物理环境数据实施包含物理约束的标准化预处理，所述标准化预处理对风速、波高及地形数据执行质量控制，通过样条插值填补时间缺失并剔除统计异常值，构建统一经纬度基准网格，通过空间插值拟合风场分布以确保梯度平滑，引入海陆二值化掩码矩阵与物理数据进行逻辑运算，剔除陆地无效网格，以生成时空分辨率统一的标准物理场数据流； S2，基于海浪激发的物理滞后特性，将所述标准物理场数据流在时间维度上执行错位对齐操作，并结合通道维度的特征堆叠与时间维度的滑动窗口采样，构建包含风场驱动信息、地形边界信息和历史波浪状态信息的多通道时空输入张量； S3，构建包含空间特征编码模块、时空特征感知模块及解码器模块的深度学习预报模型，通过所述多通道时空输入张量对所述深度学习预报模型进行迭代训练，通过反向传播机制最小化预测波高与真实波高之间的差异，从而获得训练完成的波高预测模型； S4，接收实时观测或数值预报模式输出的最新风速场数据，通过所述训练完成的波高预测模型对所述最新风速场数据执行前向推理计算，输出未来目标时刻的海浪有效波高预测场； 其中，在步骤S2中，将所述标准物理场数据流在时间维度上执行错位对齐操作，并结合通道维度的特征堆叠与时间维度的滑动窗口采样，构建包含风场驱动信息、地形边界信息和历史波浪状态信息的多通道时空输入张量，包括： S21，将所述标准物理场数据流中的历史风速矢量序列与历史海浪有效波高序列在空间坐标系下对齐，随后在时间轴方向上将所述历史风速矢量序列相对于所述历史海浪有效波高序列向前平移n个时间步，以匹配风场能量传递至海面形成波浪的时间滞后过程； S22，对所述静态海底地形数据在时间维度上执行复制广播操作，使其扩展为与所述历史风速矢量序列具有相同时间长度的地形特征序列，从而赋予静态地形数据以动态的时间维度属性； S23，在通道维度上将平移后的历史风速矢量序列、历史海浪有效波高序列以及所述地形特征序列进行深度堆叠，生成维度为的四维张量，其中C为风速序列的输入通道数、T风速序列的时间维度、H为输入张量的高度、W为输入张量的宽度，并通过滑动窗口在所述四维张量上截取固定长度的时间片段，生成所述多通道时空输入张量； 在步骤S3中，构建包含空间特征编码模块、时空特征感知模块及解码器模块的深度学习预报模型，包括： S31，接收所述多通道时空输入张量，使用多组并行设置且卷积核尺寸各异的深度可分离卷积层，分别提取风场、浪场及地形在不同物理尺度下的局部空间纹理特征与全局背景分布特征，其中深度可分离卷积层基于通道独立性保持各物理变量的属性隔离； S32，对各并行分支提取的特征图执行步长卷积操作进行空间下采样，以滤除高频噪声干扰并压缩特征图的空间分辨率； S33，将下采样后的各分支特征在通道维度进行拼接融合，并叠加可学习的地理位置编码矩阵，以显式注入经纬度网格的绝对位置语义信息，输出带有地理位置感知的初始嵌入特征； 在步骤S3中，所述时空特征感知模块的具体执行步骤，包括： S34，构建双流并行处理架构以处理所述初始嵌入特征，其中第一分支通过堆叠的残差卷积层提取由局部风场直接驱动产生的风浪浅层纹理特征，第二分支通过连续的下采样卷积层提取具有跨区域长距离传播特性的涌浪深层语义特征； S35，通过线性投影变换层将所述风浪浅层纹理特征映射为查询矩阵，并将所述涌浪深层语义特征映射为键矩阵和值矩阵； S36，引入表征海浪传播物理规律的时空传播偏置矩阵，将所述时空传播偏置矩阵参与到基于所述查询矩阵与所述键矩阵的注意力权重计算中，通过交互检索机制输出融合了局部风浪信息与长距离涌浪信息的全局时空特征。

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长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽南路二段960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。