Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东中图软件技术有限公司于志刚获国家专利权

山东中图软件技术有限公司于志刚获国家专利权

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!

龙图腾网获悉山东中图软件技术有限公司申请的专利一种基于气象土壤作物多源特征融合的灌溉需水量预测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:CN120996270B

龙图腾网通过国家知识产权局官网在2026-04-21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:202511116089.2,技术领域涉及:G06Q10/04;该发明授权一种基于气象土壤作物多源特征融合的灌溉需水量预测方法是由于志刚;曹相英;魏燕顺;罗小兵;卢东洋;王滔;郑连辉设计研发完成,并于2025-08-11向国家知识产权局提交的专利申请。

一种基于气象土壤作物多源特征融合的灌溉需水量预测方法在说明书摘要公布了:本发明提出一种基于气象土壤作物多源特征融合的灌溉需水量预测方法,涉及数据预测领域,具体步骤为:首先采集农田区域多源特征数据,构建原始数据集;然后通过高阶扰动编码器模块提取农田特征间的非线性扰动关系,并引入结构能量张量描述高阶结构关联性;接着,引入动态门控特征生成器模块,结合扰动增益因子与时间耦合因子生成门控信号,实现多源特征的动态筛选;随后构建跨变量交互建模模块,生成特征嵌入向量以建模气象、土壤与作物的复杂耦合关系;最后采用多层感知网络结合通道映射与交叉记忆机制输出灌溉需水量预测值,实现对农田需水量的高效动态预测,提升水资源利用效率与精准调控能力。

本发明授权一种基于气象土壤作物多源特征融合的灌溉需水量预测方法在权利要求书中公布了:1.一种基于气象土壤作物多源特征融合的灌溉需水量预测方法,其特征在于: 收集农田区域的原始数据,构建原始数据集,所述原始数据集包括气象、土壤和作物多源特征; 设计非线性扰动相位映射矩阵表示多源特征的动态扰动关系,根据所述动态扰动关系确定原始数据集在不同时序点的非对称扰动特性,引入结构能量张量描述多源特征之间的高阶结构关联性,得到第一数据集,具体步骤为:基于多维特征时间序列中任意两个时刻的特征表示,计算欧式范数作为扰动输入变量,通过对数缩放处理,同步融合扰动频率因子调节扰动节点在不同时间段的节奏特性,引入特征均值度量衡量不同时刻特征的整体状态,利用周期性响应函数增强对局部动态变化的敏感度,生成具有时变调控能力的非线性扰动相位映射矩阵,计算每个特征维度在时间序列上的全局均值,对于每个时间点,计算任意两个特征维度的局部协方差,通过所述非线性扰动相位映射矩阵和稳定因子进行归一化处理,将所述结构能量张量与所述非线性扰动相位映射矩阵耦合,通过符号函数确定特征维度间的耦合方向,加权聚合生成具有时空关联性的时序嵌入向量,数学模型为: ; 式中,为第个时间步时,第与第个特征之间的耦合方向因子,最终输出作为第一数据集; 基于扰动幅度与时间依赖特性,对所述第一数据集进行动态调节与门控操作,提取多源特征在扰动驱动下的响应能力,得到第二数据集,具体步骤为:设计扰动增益因子对不同时刻多源特征的相对扰动程度进行加权调控,通过计算特征在整体时间序列范围内的全局基准值,结合特征当前时刻的变化幅度,引入非线性增强函数对特征在信息流中的贡献程度进行动态调整,数学模型为: ; 式中,为特征在整个时间序列中的全局均值,和为调整因子,设计时间耦合因子对时间依赖性进行动态调控,通过比较相邻时间点特征差异的方式,结合各特征通道的标准差信息,捕捉多源特征的非线性时序依赖性,数学模型为: ; 式中,为第特征的标准差,为控制非线性调节的参数,融合扰动增益因子与时间耦合因子,控制多源特征信息的动态传递,引入两个可调节的调控系数,分别对应于特征扰动程度与时间依赖强度,对信息流传递幅度的调节控制,数学模型为: ; 式中,和为调节参数,将门控信号与第一数据集进行逐元素加权,得到门控调控特征表示,作为第二数据集用于后续模块的输入; 根据扰动差异张量与非对称通量场,捕捉变量对之间的复杂引力方向关系,所述扰动差异张量刻画第二数据集中多源特征间的关联波动趋势,加权融合扰动加速度与所述非对称通量场,提取非稳定性交互特征,得到第三数据集,所述第三数据集分为训练集和预测集; 所述训练集输入预测模块,通过多尺度通道映射提取关键特征,利用多层感知器融合交叉记忆因子与动态加权系数输出需水量预测值,采用混合损失函数对模型进行训练; 所述预测集输入训练好的需水量预测模型,最终输出需水量预测值。

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山东中图软件技术有限公司,其通讯地址为:250100 山东省济南市济南高新技术产业开发区颖秀路2755号同缘大厦411室;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。