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！

龙图腾网获悉朗新科技集团股份有限公司申请的专利多任务时序预测方法、装置、设备、存储介质及程序产品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：CN120218365B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510697633.0，技术领域涉及：G06Q10/04；该发明授权多任务时序预测方法、装置、设备、存储介质及程序产品是由邓卉;田泽康;叶伍阳;黄飞设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本多任务时序预测方法、装置、设备、存储介质及程序产品在说明书摘要公布了：本发明提供一种多任务时序预测方法、装置、设备、存储介质及程序产品，涉及电数字数据处理技术领域，方法包括：获取目标变量和协变量；目标变量为待预测时序变量，协变量为用于辅助预测目标变量的时序变量；将目标变量和协变量输入至多任务时序模型，获得多任务时序模型输出的目标变量在未来预设时间段内的预测值。通过上述方式，多任务时序模型可有效利用目标变量和协变量提供的信息共同进行时序预测，提高模型的泛化能力，进而提高时序预测的准确性，并提高模型对重要时序变量特征的利用效果，从而有利于模型对目标变量的精准预测。

本发明授权多任务时序预测方法、装置、设备、存储介质及程序产品在权利要求书中公布了：1.一种多任务时序预测方法，其特征在于，应用于气象领域，包括： 获取3个目标变量和2个协变量；所述目标变量为待预测时序变量，所述协变量为用于辅助预测所述目标变量的时序变量，所述目标变量包括云层移动轨迹、降雨量和紫外线辐射强度，所述协变量包括季节和经纬度； 将所述目标变量和所述协变量输入至多任务时序模型，获得所述多任务时序模型输出的所述目标变量在未来预设时间段内的预测值；所述目标变量在未来预设时间段内的预测值包括所述云层移动轨迹在所述未来预设时间段内的所述预测值、所述降雨量在所述未来预设时间段内的所述预测值、所述紫外线辐射强度在所述未来预设时间段内的所述预测值； 其中，所述多任务时序模型是基于样本时序变量训练得到的，所述样本时序变量包括样本目标变量和样本协变量，所述样本时序变量包括样本云层移动轨迹、样本降雨量、样本紫外线辐射强度、样本季节信息和样本经纬度，所述样本目标变量包括所述样本云层移动轨迹、所述样本降雨量和所述样本紫外线辐射强度，所述样本协变量包括所述样本季节信息和所述样本经纬度； 所述多任务时序模型采用预设损失函数进行预训练，所述预设损失函数是基于每一任务的任务损失和每一所述任务损失的损失权重进行加权聚合运算得到的，一个所述任务是基于一个所述样本时序变量确定的，一个所述损失权重是基于一个所述样本时序变量的特征重要性确定的，一个所述特征重要性用于表征一个所述样本时序变量对所述多任务时序模型的预测结果的贡献程度； 所述样本时序变量的数量为M个，所述任务的数量为M个，M为正整数，M为5； 所述多任务时序模型是通过以下步骤训练得到的： 初始化M个所述任务对应的缓存损失权重； 基于当前迭代次数，判断是否需要对M个所述缓存损失权重进行更新； 若需要对M个所述缓存损失权重进行更新，则分别确定M个所述样本时序变量的所述特征重要性； 基于M个所述特征重要性，分别确定M个所述任务的所述损失权重，并将M个所述损失权重分别更新为M个所述任务的所述缓存损失权重； 基于M个所述损失权重和M个所述任务的所述任务损失进行加权聚合运算，获得所述预设损失函数； 基于M个所述样本时序变量和所述预设损失函数，进行预训练，并更新所述当前迭代次数； 若预训练未结束，则返回至所述基于当前迭代次数，判断是否需要对M个所述缓存损失权重进行更新的步骤，直至预训练结束； M个所述样本时序变量包括Q个样本目标变量和N个样本协变量，Q、N为正整数，Q为3，N为2； 任一所述特征重要性是通过以下步骤确定的： 确定一个所述样本时序变量对应的Q个预测重要性；一个所述预测重要性为一个所述样本时序变量对一个所述样本目标变量的重要性； 对Q个所述预测重要性进行累加运算，获得一个所述样本时序变量的所述特征重要性。

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朗新科技集团股份有限公司，其通讯地址为：214135 江苏省无锡市新吴区净慧东道118号1楼；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”。