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！

龙图腾网获悉南京信息工程大学申请的专利基于多尺度物理耦合网络的雾边界层参数化方案订正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：CN120197554B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202510645852.4，技术领域涉及：G06F30/28；该发明授权基于多尺度物理耦合网络的雾边界层参数化方案订正方法是由谈玲;熊子轩;夏景明;钱森设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本基于多尺度物理耦合网络的雾边界层参数化方案订正方法在说明书摘要公布了：本发明公开了一种基于多尺度物理耦合网络的雾边界层参数化方案订正方法，涉及数值天气预报与人工智能交叉领域，旨在改进WRF模式中不同边界层参数化方案的表现，构建物理模式与深度学习的融合框架，采用双分支异构网络结构，结合时空注意力机制，建立不同参数化方案偏差与大涡模拟湍流特征之间的非线性映射关系；通过修正参数化方案中存在的系统性偏差，提升湍流结构的解析能力并优化边界层过程的物理描述；相较于传统边界层方案显著提高了雾区模拟的精度，雾区能见度、液态水含量和液态水路径的均方根误差分别降低66.7%，50%和58.3%，有效解决了传统方法在稳定边界层下湍流间歇性表征不足的问题，为雾生消过程的精细化预报提供了新的范式。

本发明授权基于多尺度物理耦合网络的雾边界层参数化方案订正方法在权利要求书中公布了：1.基于多尺度物理耦合网络的雾边界层参数化方案订正方法，其特征在于，包括以下步骤： S1、利用数值天气预报模式WRF生成多参数化边界层模拟数据，输入数据包括热力学变量、水物质变量和动力场变量； S2、将输入数据通过特征编码处理生成初始特征张量，利用多头注意力机制筛选出对雾区演变影响权重较大的关键变量； S3、构建多尺度物理耦合网络SMAP-Net，通过双分支异构网络结构分别提取不同尺度的温湿相态特征和云水相态特征； S4、通过时空耦合注意力模块ST-CAM融合双分支特征，采用三维卷积时空编码、双向GRU时序建模及动态注意力加权，对湍流、辐射与相变的非线性关系进行联合建模； 在步骤S4中，时空耦合注意力模块ST-CAM的实现包括： S4.1、输入特征张量为温湿相态分支和云水相态分支的输出，维度为H×W×T×C，采用膨胀率分别为1、2、4的三维卷积核构建多分辨率特征金字塔，所述三维卷积核的大小为3×3×33，步幅为1，填充为same，输出特征通道数分别设定为C1、C2、C3，其中C1C2C3，以实现升维操作，通过一个1×1×1的卷积层将三个尺度的特征融合为一个统一特征张量Ffused，其通道数为Cf，以扩大模型感受野并捕捉多尺度时空演变模式，提升雾区边界层变量建模能力； S4.2、通过双向GRU沿时间轴建模逆温层发展的滞后效应，输入特征张量Ffused沿时间轴展开为序列双向GRU包含2层，每层隐藏状态维度为128，激活函数为tanh，隐状态更新公式为： zt＝σWzFt+Uzht-1+bz,rt＝σWrFt+Urht-1+brC1C2C3Cf 其中，zt为更新门，rt为重置门，Wz、Wr、Wh、Uz、Ur、Uh为可学习权重矩阵，bz、br、bh为偏置项，σ为Sigmoid激活函数，⊙为逐元素乘法，ht为单向隐状态，双向GRU通过前向和后向计算生成最终隐状态增强时序动态建模能力； S4.3、利用空间自注意力机制计算网格点间关联权重，生成动态注意力图，计算公式如下： 其中，SA表示空间注意力机制，用于基于各网格点间的特征相似性计算注意力权重，分别为查询、键和值向量，为线性变换矩阵，每个矩阵对输入ht的通道数进行线性变换，保持通道数不变，在不同特征子空间中重新编码各网格点的语义表示，为后续注意力得分计算提供适配的特征子空间映射，ds为键向量维度，输出注意力加权后的特征张量，再与Ffused逐元素相乘，生成最终融合特征张量Fstcam； S5、在训练优化过程中，引入物理约束损失函数，包括质量-动量守恒方程及能见度梯度匹配项，通过自适应权重分配的方式进行数据驱动特征与物理定律的协同优化，对边界层变量进行校正； S6、输出校正后的边界层变量，包括温度、湿度、云水含量及能见度，提升雾区液态水路径LWP和液态水含量LWC的模拟精度。

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南京信息工程大学，其通讯地址为：210000 江苏省南京市浦口区宁六路219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”。