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！

龙图腾网获悉烟台大学申请的专利一种基于数字孪生的海洋环境多模态融合预测方法及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：CN119474768B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202510066065.4，技术领域涉及：G06F18/20；该发明授权一种基于数字孪生的海洋环境多模态融合预测方法及系统是由刘兆伟;温浩男;孙珊;宋永超;姜岸佐;单垚设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于数字孪生的海洋环境多模态融合预测方法及系统在说明书摘要公布了：本发明涉及海洋环境预测技术领域，尤其是涉及一种基于数字孪生的海洋环境多模态融合预测方法及系统。方法，包括基于动态多模态图神经网络捕捉海洋环境的多模态数据的时空关联特征；利用多尺度门控单元对时空关联特征进行多尺度特征融合，得到综合特征表示；利用混合时序预测框架对综合特征表示进行预测，得到初步海洋环境预测数据，其中包括短期动态建模和长期趋势建模；利用生成对抗网络对初步海洋环境预测数据进行噪声拟合，生成最终海洋环境预测数据。本发明通过动态多模态数据融合、混合时序预测框架和多尺度门控Tanh单元的创新组合，有效解决了传统海洋环境监测和预测技术中存在的数据融合不足、预测精度有限和动态响应能力较差的问题。

本发明授权一种基于数字孪生的海洋环境多模态融合预测方法及系统在权利要求书中公布了：1.一种基于数字孪生的海洋环境多模态融合预测方法，其特征在于，包括：获取海洋环境的多模态数据，包括卫星遥感、浮标传感器和气象站数据；对获取的多模态数据进行数据预处理；基于动态多模态图神经网络捕捉海洋环境的多模态数据的时空关联特征；利用多尺度门控单元对时空关联特征进行多尺度特征融合，得到综合特征表示；利用混合时序预测框架对综合特征表示进行预测，得到初步海洋环境预测数据，其中包括短期动态建模和长期趋势建模；利用生成对抗网络对初步海洋环境预测数据进行噪声拟合，生成最终海洋环境预测数据；所述对获取的多模态数据进行数据预处理，包括对获取的多模态数据进行数据清洗、缺失值处理和归一化处理，其中，缺失值处理采用平均法填补缺失值，设定填补方法为： 其中，缺失值是将过去k个时刻的平均值，作为时间t缺失数据的估算值；所述基于动态多模态图神经网络捕捉海洋环境的多模态数据的时空关联特征，包括将海洋环境的多模态数据建模为动态异构图，其中节点集合表示各模态数据源，边集合表示数据源之间的动态关系，邻接矩阵则定义节点间的关联权重，动态异构图构建完成后，通过图卷积网络GCN进行节点特征的传播与更新，每一层图卷积操作的更新公式为： 其中，是第l层的节点特征矩阵，是权重矩阵，用于线性变换，是偏置向量，σ.是非线性激活函数；所述利用多尺度门控单元对时空关联特征进行多尺度特征融合，包括利用多尺度门控Tanh单元从生成的特征中提取短期动态和长期趋势特征，其中，通过卷积操作捕捉不同时间窗口内的局部特征，利用门控机制通过Sigmoid函数生成特征选择权重，利用Tanh激活并引入非线性变换，增强模型对复杂特征的表示能力，将不同时间尺度的特征经过加权融合，生成综合特征表示： 其中，K1是时间尺度数量，αk1是时间尺度k1的融合权重，由模型通过训练动态学习；所述短期动态建模包括采用扩展卷积捕捉局部时间序列特征，对于给定输入特征Zt，扩展卷积的计算公式为： 其中，ht是时间t的卷积输出，K2是卷积核大小，d是扩展因子，控制时间跳跃步长，wk2是卷积核的权重；所述长期趋势建模包括利用基于多头注意力机制的变换器Transformer，建模长时间跨度的非线性依赖关系，其中，首先通过线性变换生成查询、键和值矩阵，基于注意力机制计算特征时间步之间的权重，并通过多头注意力将不同注意力头的结果拼接后进行线性变换，生成长期特征表示，最后长期分支通过线性层将长期特征表示Flong映射到目标预测空间；所述利用生成对抗网络对初步海洋环境预测数据进行噪声拟合，生成最终海洋环境预测数据，包括利用生成对抗网络的生成器生成异常场景数据并通过对抗训练学习真实数据的分布从而生成与真实环境接近的异常数据。

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烟台大学，其通讯地址为：264003 山东省烟台市莱山区清泉路30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”。