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！

龙图腾网获悉中山大学申请的专利一种深度学习支持下的全天候太阳辐射遥感预报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：CN114841397B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202210260628.X，技术领域涉及：G06Q10/04；该发明授权一种深度学习支持下的全天候太阳辐射遥感预报方法是由孔轩;王天星;程文杰设计研发完成，并于2022-03-16向国家知识产权局提交的专利申请。

本一种深度学习支持下的全天候太阳辐射遥感预报方法在说明书摘要公布了：本发明涉及一种深度学习支持下的全天候太阳辐射遥感预报方法，包括以下步骤：S1、获取时间序列多光谱遥感数据；S2、对获取的时间序列多光谱遥感数据进行数据预处理，获得预处理的时间序列多光谱遥感数据集；S3、将获取的预处理的时间序列多光谱遥感数据集输入ConvLSTM网络模型得到瞬时太阳短波辐射预测数据或多时间尺度太阳短波辐射预测；所述ConvLSTM网络模型为面向遥感图像并结合空间注意力机制的深度学习网络模型。本发明提供的预报方法完整的考虑了太阳辐射的空间特性和时间序列特性，并且在深度神经网络中增加了空间注意力机制，更有效的捕捉了自然界中太阳辐射存在的突变。

本发明授权一种深度学习支持下的全天候太阳辐射遥感预报方法在权利要求书中公布了：1.一种深度学习支持下的全天候太阳辐射遥感预报方法，其特征在于，包括以下步骤： S1、获取时间序列多光谱遥感数据； 所述步骤S1中的时间序列遥感数据包括6个光学波段的TOA反射率数据、1个波段太阳天顶角数据和太阳短波辐射数据的三种类型原始数据； S2、对获取的时间序列多光谱遥感数据进行数据预处理，获得预处理的时间序列多光谱遥感数据集； 当预测瞬时太阳短波辐射预测数据时， 所述步骤S2中数据的预处理包含两个部分； 第一部分为对数据质量控制，检查所得数据质量，去除数据中的异常值，并且将TOA反射率数据及太阳天顶角数据与太阳短波辐射数据分开备用； 第二部分为变换时间序列遥感数据为ConvLSTM神经网络模型相匹配的维度，即将数据维度重构为数据数量、时间步长、行、列、特征值、的五维数组张量； 当预测多时间尺度太阳短波辐射时， 所述步骤S2中数据的预处理包含三个部分； 第一部分为对数据质量控制，检查所得数据质量，去除数据中的异常值，并且将TOA反射率数据及太阳天顶角数据与太阳短波辐射数据分开备用； 第二部分为将获得的瞬时的卫星遥感数据进行多时间尺度的均值化处理； 第三部分为变换时间序列遥感数据为ConvLSTM神经网络模型相匹配的维度，即将数据维度重构为数据数量、时间步长、行、列、特征值、的五维数组张量； 将步骤S2中经过预处理的重构数据进行归一化处理； S3、将获取的预处理的时间序列多光谱遥感数据集输入ConvLSTM网络模型得到瞬时太阳短波辐射预测数据或多时间尺度太阳短波辐射预测，将所得到的瞬时太阳短波辐射预测数据或多时间尺度太阳短波辐射预测乘以太阳辐射最大值进行反归一化操作，得到以当前瞬时时刻为起点的自然界中真实的瞬时太阳短波辐射预测数据或多时间尺度均值太阳短波辐射数据； 所述ConvLSTM网络模型为面向遥感图像并结合空间注意力机制的深度学习网络模型； 所述ConvLSTM网络模型的基本模型公式如下： x＝SAxt,Ht-1＝SAHt-1 it＝σWxi*Xt+Whi*Ht-1+bi ft＝σWxf*Xt+Whf*Ht-1+bf gt＝tanhWxc*Xt+Whc*Ht-1+bc ot＝σWxo*Xt+Who*Ht-1+bo 其中，SA为空间注意力模块，用以参与图像间权重的分配，和是通过注意力机制聚合得到的模块，即每个时间步所有位置的有选择性获取特征的加权值之和； Wi为各个特征对应的权重矩阵；Ht为当前输入时间步长的特征； it为输入门，与之对应的是融合之后的特征值gt； 通过输出经过更新的原始记忆特征ot，再经过注意力机制的权值重新分配，使得各个时间步的特征得到更新； *意为卷积操作；o表示对应相乘，相乘结果为哈达玛积； bi为对应项的偏置；σ为神经网络对应的激活函数，在模型中为Relu函数；Ct中则是存储的前一时刻的记忆，即记忆层； 各个网络层之间通过卷积操作连接。

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山大学，其通讯地址为：510275 广东省广州市新港西路135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”。