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！

龙图腾网获悉南京气象科技创新研究院申请的专利基于stacking集成的KNN-Attention-LSTM冬季路表温度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：CN120144939B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202510622540.1，技术领域涉及：G06F18/15；该发明授权基于stacking集成的KNN-Attention-LSTM冬季路表温度预测方法是由周林义;李婉婷;吴香华;任苗苗;朱寿鹏;吴泓;朱承瑛设计研发完成，并于2025-05-15向国家知识产权局提交的专利申请。

本基于stacking集成的KNN-Attention-LSTM冬季路表温度预测方法在说明书摘要公布了：本发明公开了基于stacking集成的KNN‑Attention‑LSTM冬季路表温度预测方法，该方法对冬季路表温度和其他气象要素进行数据处理后，通过特征工程和Stacking模型集成策略，发挥物理约束KNN和Attention机制的优势，提高冬季路表温度预测精度和预测结果在不同时间段和不同气象条件下的稳定性。该方法能够有效捕捉冬季路表温度的动态变化特征，克服传统预测方法在应对复杂的气象条件和非线性时间序列数据时的局限性。本发明可应用于道路安全、交通管理与除冰防滑措施设置等领域，为出行信息服务提供可靠支持，具有广泛的实际应用价值。

本发明授权基于stacking集成的KNN-Attention-LSTM冬季路表温度预测方法在权利要求书中公布了：1.一种基于stacking集成的KNN-Attention-LSTM冬季路表温度预测方法，其特征在于，包括以下步骤： 步骤S1、获取交通气象监测站的历史数据，包括能见度、气温、湿度、降水量、风速、风向和路表温度； 步骤S2、对数据进行质量控制，包括时间对齐、异常值处理和缺失值填补； 步骤S3、计算冬季路表温度与其他气象要素的斯皮尔曼秩相关系数，筛选关联性强的特征； 步骤S4、采用Stacking集成技术构建KNN-Attention-LSTM预测模型，具体为： 步骤S41、使用KNN-LSTM和Attention-LSTM两个基础学习器，分别对输入数据进行学习和预测； 步骤S42、在步骤S41的基础上，Stacking通过将KNN-LSTM和Attention-LSTM的预测结果作为特征输入，构建一个元学习器，使用线性回归来对两个基础模型的输出进行加权求和或组合； 步骤S43、使用scaler_target.inverse_transform函数将元模型的预测结果反标准化，得到最终的预测结果； 步骤S5、输入实时气象数据，输出未来1-72小时的路表温度预测值。

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气象科技创新研究院，其通讯地址为：210000 江苏省南京市建邺区雨顺路8号江苏气象中心13-15层；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”。