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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于多模态特征融合的短期降水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：CN119862534B 。

龙图腾网通过国家知识产权局官网在2025-07-01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：202510067445.X，技术领域涉及：G06F18/25；该发明授权一种基于多模态特征融合的短期降水预测方法是由张海平;毛宇涛设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于多模态特征融合的短期降水预测方法在说明书摘要公布了：本发明公开了一种基于多模态特征融合的短期降水预测方法，包括如下步骤：步骤1、获取历史多源降水数据，并分别通过特征提取网络进行特征提取，从而得到多维原始特征；步骤2、通过加权融合模块进行加权拼接得到初始融合特征；步骤3、初始融合特征经过权重注意力模块得到多维原始特征的权重系数，进而得到多维原始特征的权重特征，并通过拼接得到多模态融合特征。该方法在将深度学习技术应用到短期降水预测任务时，利用该加权注意力多模态融合方式可处理来自不同模态数据如雷达降水图、站点数据的特征，从而提升短期降水预测的准确度。

本发明授权一种基于多模态特征融合的短期降水预测方法在权利要求书中公布了：1.一种基于多模态特征融合的短期降水预测方法，其特征在于，包括如下步骤： 步骤1、获取历史多源降水数据，并分别通过特征提取网络进行特征提取，从而得到多维原始特征，所述多源降水数据的包括雷达降水图和站点降水数据；所述特征提取网络包括CNN特征提取网络和GCN特征提取网络，所述雷达降水图通过CNN特征提取网络输出原始特征M∈RCxHxW，所述站点降水数据通过GCN特征提取网络输出原始特征N∈RCxWxH，其中，C为图像通道；H为图像长度；W为图像宽度；所述多维原始特征的加权融合方法如下： Z＝αM+βN 其中α表示特征M的占比权重，β表示特征N的占比权重，权重的变化由损失函数决定； 步骤2、通过加权融合模块进行加权拼接得到初始融合特征； 所述加权融合模块使用双单元误差损失函数，表达式如下： 其中xi表示雷达降水图数据，xα表示对应的预测结果，yi表示输入的站点数据，yα表示对应的预测结果； 步骤3、初始融合特征经过权重注意力模块得到多维原始特征的权重系数，进而得到多维原始特征的权重特征，并通过拼接得到多模态融合特征； 所述权重注意力模块包括全局平均池化层、X轴最大池化层、Y轴最大池化层、Relu激活层、Sigmoid激活层、concat拼接、乘法拼接； 步骤4、分析输入数据与预测数据之间的误差，计算误差指标，根据输入数据与预测数据分析模型性能，计算性能指标。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。