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！

龙图腾网获悉巢湖学院申请的专利一种基于过程性可解释分析的区域短期气温智能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：CN119415910B 。

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：202411457129.5，技术领域涉及：G06F18/21；该发明授权一种基于过程性可解释分析的区域短期气温智能预测方法是由王根;叶松;张海力;智协飞;袁松;张松;陈昊;李小青;邱学兴;刘俊杰;范传宇;谢丰;刘旸;姚晨;张娇;刘俏;周胜男;陈娇设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种基于过程性可解释分析的区域短期气温智能预测方法在说明书摘要公布了：本发明公开了一种基于过程性可解释分析的区域短期气温智能预测方法，该方法提出了气温预测的过程性可解释分析，以揭示影响气温过程性预测的重要因素。通过对区域气温预测模型进行二次训练，并采用贡献率作为对模型输入部分的反馈，增强了对气温预测过程的理解，并为模型提供了有效的反馈，以期提高其性能，进而可以获取更加准确的区域气温预测结果。

本发明授权一种基于过程性可解释分析的区域短期气温智能预测方法在权利要求书中公布了：1.一种基于过程性可解释分析的区域短期气温智能预测方法，所述区域设有目标站和参考站，其特征在于，包括： 获取所述目标站的气温时间序列和辅助变量时间序列以及参考站的气温时间序列； 基于所述目标站和参考站的气温时间序列之间的相似度，在参考站中进行同时考虑气温时间序列间以及气温时间序列内数据非线性关系的相似站的筛选； 基于筛选出的相似站的气温时间序列以及目标站的气温时间序列和辅助变量时间序列，以设定的滞后时间构建特征值样本； 基于所述特征值样本，对预先构建的区域气温预测模型进行初次训练，基于初次训练完成的区域气温预测模型，获取初次区域气温预测结果； 对所述初次区域气温预测结果进行过程性可解释分析，获取不同特征值样本的用于衡量特征值样本对气温预测重要程度的过程可解释贡献率；基于所述过程可解释贡献率，对初次训练完成的区域气温预测模型进行凸出特征样本对气温预测重要程度的更新； 基于所述特征值样本，对更新后的区域气温预测模型进行二次训练，基于二次训练完成的区域气温预测模型，获取二次区域短期气温预测结果并作为最终区域短期气温智能预测结果； 所述对所述初次区域气温预测结果进行过程性可解释分析，获取不同特征值样本的用于衡量特征值样本对气温预测重要程度的过程可解释贡献率的具体方法： 基于所述特征值样本中气象特征与滞后时间的关系，形成变量与时间步长组合的集合Δ， Δ＝{i,t:1≤i≤M,1≤t≤N} 式中，i,t为第i个变量与第t个时间步长的组合；M为变量总数，对应特征值样本中的变量维度数；N为时间步长总数，对应特征值样本中的滞后时间维度数； 计算不同变量与时间步长组合下的ProcessSHAP值，对于第i个变量与第t个时间步长的组合的ProcessSHAP值Pi,t， 式中，为特征函数，表示当输入X*中仅存在集合S中的可变时间对时的预测输出；Δi为变量i的所有时间步长集合；集合S为所有特征的子集；xS是x的子向量，表示集合S中的特征；f·表示预测模型；x表示预测模型的输入量； 对于不同变量与时间步长组合下的ProcessSHAP值的总和fx*， 式中，P0,0为当所有特征都不存在时的特征函数输出；为所有组合的特征集合的特征函数输出总和； 对不同变量与时间步长组合下的ProcessSHAP值进行归一化处理，获取不同变量与时间步长组合的过程可解释贡献率，对于第i个变量与第t个时间步长的组合的过程可解释贡献率Ci,t计算公式如下： 基于变量与时间步长组合的过程可解释贡献率，获取不同特征值样本的用于衡量特征值样本对气温预测重要程度的过程可解释贡献率。

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巢湖学院，其通讯地址为：238000 安徽省合肥市巢湖经济开发区半汤路1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”。