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！

龙图腾网获悉中国科学院大气物理研究所申请的专利基于深度神经网络的云量快速生成方法及其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：CN121236291B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511406996.0，技术领域涉及：G06T17/00；该发明授权基于深度神经网络的云量快速生成方法及其系统是由王晓聪;王凯设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本基于深度神经网络的云量快速生成方法及其系统在说明书摘要公布了：本发明公开了一种基于深度神经网络的云量快速生成方法及其系统，属于气象遥感与大气模拟技术领域，其中生成方法包括获取研究区域在预测时间段的高分辨率数据，并对其进行预处理，所述高分辨率数据包括大气变量与地表变量；根据研究区域的经纬度，在最优次网格云分布统计参数集合中选取研究区域在每个经纬度的每个格点的最优次网格云分布统计参数；将大气变量输入深度神经网络模型的循环神经网络进行特征提取，并采用正则化方法抑制过拟合，得到大气重塑特征；拼接同一经纬度的同一格点对应的大气重塑特征、最优次网格云分布统计参数和地表数据，之后输入深度神经网络模型的全连接前馈神经网络进行非线性映射，得到云量。

本发明授权基于深度神经网络的云量快速生成方法及其系统在权利要求书中公布了：1.一种基于深度神经网络的云量快速生成方法，特征在于，包括步骤： S1、获取研究区域在预测时间段的高分辨率数据，并对其进行预处理，所述高分辨率数据包括大气变量与地表变量； S2、根据研究区域的经纬度，在最优次网格云分布统计参数集合中选取研究区域在每个经纬度的最优次网格云分布统计参数； S3、将大气变量输入深度神经网络模型的循环神经网络进行特征提取，并采用正则化方法抑制过拟合，得到大气重塑特征； S4、拼接同一经纬度的同一格点对应的大气重塑特征、最优次网格云分布统计参数和地表数据，之后输入深度神经网络模型的全连接前馈神经网络进行非线性映射，得到云量； 所述次网格云分布统计参数包括云量抗相关厚度Lcf、云中水凝物抗相关厚度Lcw和云中水凝物非均匀性因子v； 深度神经网络模型的构建方法包括： S31、获取预设时间段的全球高分辨率数据集A，数据集A中的输入为高分辨率数据，输出为通过云模拟器获取的高分辨率数据的云量； S32、构建包括循环神经网络和全连接前馈神经网络的深度神经网络，并采用全数据集A对深度神经网络进行训练； S33、获取任一时间段内的全球高分辨率数据集B，随机生成若干组次网格云分布统计参数，并根据次网格云分布统计参数和数据集B中的云量生成若干组修正云量； S34、采用数据集B的高分辨率数据和若干组次网格云分布统计参数作为输入，若干组修正云量为输出构成微调数据集，并冻结步骤S32训练的深度神经网络的所有模型参数； S35、采用微调数据集对冻结模型参数的深度神经网络进行微调，得到预测的云量随次网格云分布统计参数变化而响应的深度神经网络模型； 生成修正云量的方法包括： S331、根据云量抗相关厚度Lcf和初始云覆盖率估算值，对云量重叠进行校正： 其中，为重叠结构调整后的云量；为第i层云层的初始云覆盖率估算值；为第i层和第i-1层云层之间的厚度；为云量抗相关厚度；e为自然对数；L为云层的总数量； S332、根据云中水凝物非均匀性因子v和初始云覆盖率估算值，对云量进行估算： 其中，为云中水凝物非均匀性因子调整后的云量；为第i层云水对总云量的权重；θ为尺度参数；为伽马函数归一化因子；为云中水凝物非均匀性因子；为第i层云水路径的取值； S333、根据重叠结构调整后的云量和云中水凝物非均匀性因子调整后的云量，生成修正云量： 其中，为修正云量；为初始云覆盖率估算值；α为可控系数。

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科学院大气物理研究所，其通讯地址为：100029 北京市朝阳区北辰西路81号院；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。