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！

龙图腾网获悉山东大学;交通运输部天津水运工程科学研究所;哈尔滨工程大学申请的专利基于单点浮标观测和图神经网络的区域海浪预报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：CN121765359B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202610254612.6，技术领域涉及：G06F18/213；该发明授权基于单点浮标观测和图神经网络的区域海浪预报方法是由于海庆;吕婷;陈松贵;朱颖涛;卢绿设计研发完成，并于2026-03-04向国家知识产权局提交的专利申请。

本基于单点浮标观测和图神经网络的区域海浪预报方法在说明书摘要公布了：本申请公开了一种基于单点浮标观测和图神经网络的区域海浪预报方法，属于海洋环境预报领域。创新性地提出基于图神经网络GNN并融合单点浮标观测的MeshGraphNet模型的解决手段，以显著地提高海浪有效波高预报的效率、精度与时效性。即将单一浮标站点的观测序列通过LSTM网络进行时序特征提取与短时预报，随后将LSTM输出的预报结果与ERA5空间风场特征共同作为空间图神经网络的节点特征；图神经网络的编码器将节点风场特征和边几何特征编码到多维潜在空间，经消息传递层进行边更新、节点聚合和全局状态更新以融合局部邻域信息与全局海域状态，最后由解码器输出预报时刻有效波高。

本发明授权基于单点浮标观测和图神经网络的区域海浪预报方法在权利要求书中公布了：1.一种基于单点浮标观测和图神经网络的区域海浪预报方法，其特征在于：将单一浮标站点的观测序列通过LSTM网络进行时序特征提取与短时预报，随后将LSTM输出的预报结果与ERA5空间风场特征共同作为空间图神经网络的节点特征； 图神经网络的编码器将节点风场特征和边几何特征编码到多维潜在空间，经消息传递层进行边更新、节点聚合和全局状态更新以融合局部邻域信息与全局海域状态，最后由解码器输出预报时刻有效波高； 包括下述步骤， 步骤1、问题建模与数据预处理； 步骤2、采用LSTM建模； 为提供单一站点的时间序列预报结果，采用长短期记忆网络LSTM对站点有效波高序列进行建模，用于输出目标时刻的单点预报值； 步骤3、图神经网络处理； 步骤3.1、输入特征与单点条件约束； 预报时刻的有效波高由风场序列驱动，并引入单一站点的条件信息作为外部约束； 单点条件信息由LSTM对站点序列给出在时刻的预报值，记为，该时刻的预报值在图模型中作为条件量输入，并在每个节点处以相同数值注入，从而对全场预测施加一致约束； 对任一节点，节点输入特征由历史风场、当前风场与单点条件量构成，表达式如下：； 其中，为节点处10米风矢量； 步骤3.2、边属性构造； 基于网格节点的二维位置坐标构造边属性；对任一相邻节点对，设节点的二维位置坐标为，节点的二维位置坐标为，其中与分别为节点在局部平面直角坐标系中的正交坐标分量，由地理经纬度经小区域平面近似映射而来，用于唯一确定节点的几何位置；根据三角网格单元顶点连接关系生成邻接边集合，并对每一条有向边构造对应的边属性向量； 步骤3.3、编码-处理-解码； 步骤3.3.1、编码阶段； FVCOM无结构网格被表示为； 每个节点具有输入特征向量，每条边具有几何边属性，节点坐标为节； 点特征与边属性首先被线性映射到隐空间维度，得到如下式所示的初始隐变量: 其中,表示节点在编码后的初始节点隐表示，表示边在编码后的初始边隐表示，上标为层索引，用于区分不同层的特征表示；为可学习的线性映射层，用于将原始节点与边特征投影到维度为的隐空间，本申请取； 步骤3.3.2、处理阶段； 处理器由个消息传递层堆叠构成，每一层采用先更新边表征，再聚合并更新节点表征的计算范式； 边更新环节引入基于风向与边方向一致性的门控系数，对边消息强度进行连续调制；当风向信息不具代表性时，该调制项对传播的影响自然减弱；该调制项不依赖对海况类型风浪或涌浪的显式判别，而是作为一种可控的结构先验，在风向信息更具解释力的情形下增强沿风向的邻域信息传播，在风向解释力不足时趋于弱化其影响； 步骤3.3.3、解码阶段； 处理阶段输出最终节点隐表示，按下式经解码得到节点有效波高预报结果：

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山东大学;交通运输部天津水运工程科学研究所;哈尔滨工程大学，其通讯地址为：266000 山东省青岛市即墨区滨海路72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。