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！

龙图腾网获悉中南林业科技大学;交通运输部科学研究院申请的专利一种路面温度场参数反演和数据融合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：CN120012018B 。

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：202510110952.7，技术领域涉及：G06F18/25；该发明授权一种路面温度场参数反演和数据融合方法是由全蔚闻;杨晨;商泽鲲;张永升;李霖;马宪永;董泽蛟设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种路面温度场参数反演和数据融合方法在说明书摘要公布了：本发明公开了一种路面温度场参数反演和数据融合方法，基于热传导理论，建立路面温度场求解偏微分方程；基于插值算法，表征路面温度场的初始条件、边界条件和测点温度；归一化求解域，基于随机采样方法，在路面温度求解域和边界处生成采样点坐标，将采样点坐标作为深度神经网络的输入变量；基于采样点坐标，结合深度神经网络和自动微分算法，得到采样点归一化算子值；结合初始条件和边界条件，融合实测温度数据，通过加权求和法构建深度神经网络的总损失函数；基于梯度下降和总损失函数，开展深度神经网络训练，并根据当前神经网络的偏微分方程损失进行自适应采样，最终实现路面温度场预测。本发明实现路面温度场高精度预测。

本发明授权一种路面温度场参数反演和数据融合方法在权利要求书中公布了：1.一种路面温度场参数反演和数据融合方法，其特征在于，包括以下步骤： 基于热传导理论，建立路面温度场来求解偏微分方程； 基于插值算法，表征路面温度场的初始条件、边界条件和测点温度； 归一化求解域，基于随机采样方法，在路面温度求解域和边界处生成采样点坐标，将所述采样点坐标作为深度神经网络的输入变量； 基于所述采样点坐标，结合深度神经网络和自动微分算法，得到采样点归一化算子值；结合所述初始条件和所述边界条件，融合实测温度数据，通过加权求和法构建深度神经网络的总损失函数； 基于梯度下降和所述总损失函数，开展深度神经网络训练，并根据当前神经网络的偏微分方程损失进行自适应采样，最终实现路面温度场预测； 路面温度场底部边界条件为： 其中，Tn为路面温度场底部的温度；t为时间；z为计算点坐标，代表计算点距离路表的垂直距离；zn+1为路面结构底部坐标； 路面温度场顶部边界条件为： 其中，T1为路面表层的温度；t为时间；z为计算点坐标，代表计算点距离路表的垂直距离；qc为对流有关的热通量；qns和qn1分别为路面的净太阳辐射和净长波辐射；hc为对流传热系数；vW为风速；σ为斯特藩-玻尔兹曼常数，ε为表面发射率，Ta和T0分别为空气温度和绝对零度； 采用三角插值表征路面边界条件和测点温度，气温和净太阳辐射插值结果为： 其中，ht为插值函数，a0为插值系数，am为插值系数，k为累加系数，l为累加系数，m为分段区间个数的一半；ta为分析时刻；hl为第l个子区间端点函数值；ak和bk为插值系数；为中间变量，π为圆周率； 所述总损失函数包括偏微分方程损失项初始条件损失项边界条件损失项观测点损失项和界面损失项基于所述采样点坐标，结合深度神经网络和自动微分算法，得到采样点归一化算子值；结合所述初始条件和所述边界条件，融合实测温度数据，通过加权求和法构建深度神经网络的总损失函数的步骤中，所述总损失函数通过以下公式计算出： 其中，MSEtol为总损失函数，为偏微分方程损失项，为边界条件损失项，为初始条件损失项，为界面损失项，为观测点损失项，分别为 及在第i层路面结构中的权重；m为路面结构层数。

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中南林业科技大学;交通运输部科学研究院，其通讯地址为：410004 湖南省长沙市韶山南路498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”。