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！

龙图腾网获悉浙江大学申请的专利一种台风降水短临预测模型优化及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：CN115840261B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202211506522.X，技术领域涉及：G01W1/10；该发明授权一种台风降水短临预测模型优化及预测方法是由吴森森;杨许莹;戚劲设计研发完成，并于2022-11-28向国家知识产权局提交的专利申请。

本一种台风降水短临预测模型优化及预测方法在说明书摘要公布了：本发明公开了一种台风降水短临预测模型优化及预测方法，属于人工智能应用领域。该方法设计了基于Cross‑Patch多层语义注意力的降水长距离时空建模方法，通过长距离时空建模，提升模型对复杂天气系统大尺度高阶时空特征的理解。本发明方法针对大尺度场景下基于pixel‑based时空注意力建模方式带来的庞大资源消耗问题，同时考虑表征大尺度天气系统时空演变模式的高阶时空特征的影响，实现了提高模型对长距离时空依赖的感知和建模能力，全面且有效的提升了降水强度预测的精度。同时，模型能有效应对不同类型台风场景的降水短临预测，具有一定的泛化能力。本发明对于台风降水短临预测的模型优化及快速应用具有重要的实际应用价值。

本发明授权一种台风降水短临预测模型优化及预测方法在权利要求书中公布了：1.一种台风降水短临预测模型优化方法，其特征在于，用于对编码器-解码器结构的台风降水短临预测模型进行优化，优化方法的步骤如下： S1：获取待优化的台风降水短临预测模型中编码器和解码器各自的原始特征图，并对原始特征图进行区域划分并获取每个区域特征在高维特征空间的表征，使每个原始特征图分别形成对应的时空语义特征； S2：基于S1得到的时空语义特征进一步进行多层语义全时空信息交互，构建从时空语义特征到具有全时空视野的多层语义时空特征，为后续时空注意力的计算提供具有全时空感受野的多尺度时空语义特征； S3：基于具有多层级语义全时空视野的多尺度时空语义特征，引入注意力机制构建空间、时间、通道三头注意力模块，开展降水长距离时空注意力计算，计算以块为单元的时空注意力，最终结果经过块解码，通过残差结构与原始特征图进行融合，自适应增强预测时序时空特征表达，提高台风降水短临预测模型的预测准确性； 所述步骤S2的具体方法如下： S21：将编码器对应的六个时空语义特征和解码器对应的六个时空语义特征分别串接融合，得到维度为sin×c′,hp,wp和sout×c′,hp,wp的两个时空特征CPFin和CPFout的初始值； 式中：Concat表示串接融合操作；sin和sout分别表示编码器和解码器中的输入时序的特征图，均为6； S22：采用多层堆叠深度可分离卷积，对S21中得到的初始时空特征CPFin和CPFout分别在空间和特征深度方向进行cross-patch的交叉卷积，第i层堆叠深度可分离卷积的输出特征表示为CPFi； S23：经过S22中共n层堆叠深度可分离卷积后得到n+1个特征图CPFi，i∈[0,n]，分别表示从时空语义特征到具有全局感受野的不同语义层级时空特征，再采用逐像素加和的方式将不同语义层级的时空特征进行加权融合，最终得到多尺度时空语义特征TCPF为: 其中，λ0,λ1...λn表示n+1个特征图CPFi的权重，能够通过模型反向传播进行优化； S24：将多尺度时空语义特征按S21中采用的串联拼接方式逆向切分，得到分离后的具有全时空视野和各层级语义信息的各个时刻多尺度时空语义特征TCPFi，i∈[1,12]表示时刻，前六个时刻i∈[1,6]对应输入序列，后六个时刻i∈[7,12]对应输出序列。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。