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！

龙图腾网获悉华云升达(北京)气象科技有限责任公司申请的专利基于机器学习的气象元数据存储方法及存储系统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：CN120104579B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202510583997.6，技术领域涉及：G06F16/172；该发明授权基于机器学习的气象元数据存储方法及存储系统是由孙平;李佳;张博涛;吕宝磊;郑海欣设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本基于机器学习的气象元数据存储方法及存储系统在说明书摘要公布了：本发明提供一种基于机器学习的气象元数据存储方法及存储系统，该方法包括：获取目标区域的气象元数据集，将气象元数据集输入预训练的时序特征提取模型，生成各气象卷宗文件的时序分布特征，并输入空间拓扑映射模型，生成各气象要素的空间关联拓扑特征；基于时序分布特征与空间关联拓扑特征的交叉融合结果，构建气象元数据的分层索引结构，调用气象存储优化模型生成气象卷宗文件的存储节点分配策略，按照存储节点分配策略，将气象元数据集中的各气象卷宗文件写入对应的分布式存储节点，并基于层级索引的实时更新机制，动态调整已存储文件的物理位置与索引映射关系。本发明可以提升气象元数据存储效率与检索准确性，降低存储资源浪费与运维成本。

本发明授权基于机器学习的气象元数据存储方法及存储系统在权利要求书中公布了：1.一种基于机器学习的气象元数据存储方法，其特征在于，所述方法包括： 获取目标区域的气象元数据集，所述气象元数据集包括多个非结构化的气象卷宗文件，每个气象卷宗文件包含至少一种气象要素的监测数据及对应的时空标识信息； 将所述气象元数据集输入预训练的时序特征提取模型，生成各气象卷宗文件的时序分布特征，并将所述气象元数据集同步输入空间拓扑映射模型，生成各气象要素的空间关联拓扑特征； 基于所述时序分布特征与空间关联拓扑特征的交叉融合结果，构建气象元数据的分层索引结构，所述分层索引结构包含按气象要素类型划分的纵向层级及按时空维度划分的横向层级； 调用气象存储优化模型，根据所述分层索引结构的层级权重分布，生成气象卷宗文件的存储节点分配策略，所述存储节点分配策略包含各气象要素数据的压缩率阈值及存储位置优先级； 按照所述存储节点分配策略，将所述气象元数据集中的各气象卷宗文件写入对应的分布式存储节点，并基于层级索引的实时更新机制，动态调整已存储文件的物理位置与索引映射关系； 其中，所述基于所述时序分布特征与空间关联拓扑特征的交叉融合结果，构建气象元数据的分层索引结构，包括： 将所述时序分布特征分解为气象要素的周期特征与突变特征，其中周期特征表征气象要素在历史监测数据中重复出现的波动模式，突变特征表征超出预设阈值的异常波动区间； 将所述空间关联拓扑特征分解为地理关联特征与跨区域传导特征，其中地理关联特征表征相邻气象站点监测数据的空间连续性，跨区域传导特征表征非相邻区域间气象要素的关联强度； 在纵向层级划分中，根据气象要素类型创建主索引节点，并为每个主索引节点分配动态权重因子，所述动态权重因子由周期特征与突变特征的比值确定，使得高频突变要素的主索引节点获得更高的纵向层级优先级； 在横向层级划分中，基于地理关联特征与跨区域传导特征的叠加结果生成空间密度网格，每个网格单元记录对应地理范围内气象要素的统计分布特征，并将网格单元按空间密度值划分为核心存储区与边缘缓存区； 建立纵向层级主索引节点与横向层级空间密度网格的双向映射规则，当气象卷宗文件同时匹配主索引节点的动态权重因子阈值和空间密度网格的核心存储区条件时，触发跨层级联合索引标记，生成包含时空维度与要素属性的复合索引标签。

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华云升达(北京)气象科技有限责任公司，其通讯地址为：102299 北京市昌平区科技园振兴路2号院1号楼1至8层101内4层401-415；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”。