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！

龙图腾网获悉辽宁省人工影响天气办公室申请的专利基于深度学习和时空数据驱动的云中过冷水含量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：CN120255027B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510733813.X，技术领域涉及：G01W1/10；该发明授权基于深度学习和时空数据驱动的云中过冷水含量预测方法是由刘旸;张皓宇;房彬;张铁凝;徐冰;孙欣设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于深度学习和时空数据驱动的云中过冷水含量预测方法在说明书摘要公布了：本发明公开了基于深度学习和时空数据驱动的云中过冷水含量预测方法，包括获取卫星多通道辐射传输数据并进行通道筛选和特征提取，获取雷达反射率数据并进行数据插补和特征提取，获取地面自动气象站常规气象资料并进行特征提取，使用多头注意力机制将上述特征进行融合得到融合特征，建立深度学习神经网络模型，预测未来时间段云中过冷水含量。该方法能够更全面、更准确地预测云中过冷水含量和分布情况，同时对于缓解水资源短缺、改善生态环境、保障低空经济安全具有重要的科学和实际意义。

本发明授权基于深度学习和时空数据驱动的云中过冷水含量预测方法在权利要求书中公布了：1.基于深度学习和时空数据驱动的云中过冷水含量预测方法，其特征在于，包括以下步骤： S1、获取过去6小时卫星多通道辐射数据，对所述多通道辐射数据进行定标、投影转换和通道筛选，使用第一特征提取模型进行特征提取获得卫星特征；所述多通道辐射数据维度包括样本数、通道数、经向格点数、纬向格点数和时间步长； S2、获取过去6小时雷达数据，使用第二特征提取模型进行特征提取获得雷达特征；所述雷达数据维度包括特征数、经向格点数、纬向格点数和时间步长； S3、获取过去6小时地面自动站观测的常规气象数据，使用第三特征提取模型进行特征提取获得常规气象特征；所述常规气象数据包括温度、气压、风向、风速、降水和相对湿度；所述常规气象数据维度包括特征数、站点数和时间步长； S4、利用多头注意力机制将所述卫星特征、所述雷达特征和所述常规气象特征进行特征融合获得融合特征； S5、根据所述融合特征和对应未来时间过冷水含量构建深度学习网络，确定优化目标函数，根据所述优化目标函数优化所述深度学习网络；所述深度学习网络为ConvLSTM-Transformer混合网络； S6、将待预测的融合特征输入优化后的深度学习网络获得未来3小时云中过冷水含量预测值； 所述进行特征融合获得融合特征的方法，包括以下步骤： 利用多头注意力机制将所述卫星特征、所述雷达特征和所述常规气象特征进行特征融合获得融合特征；所述注意力机制模块采用多头注意力机制进行特征融合，表达式为： 其中为注意力机制，为查询向量，为键向量，为值向量，为键向量的维度，用于缩放，为多头注意力，为第头的隐藏状态，，是用于将各个头的输出进行组合的权重矩阵，、、为将输入、、分别映射到不同子空间的可学习权重矩阵； 所述确定优化目标函数的方法为：根据输入特征类别和特征数量确定深度学习网络的优化目标函数： 其中为优化目标函数，为阈值稳定性权重，为特征值偏差权重，为时间约束权重，为空间约束权重，为阈值类型权重，为类动态识别阈值预测值，为类阈值历史均值，采用滑动窗口计算，为格点中类天气特征值，时间惩罚系数，为空间惩罚系数，为第个输入特征类别，为输入特征类别索引； 根据所述优化目标函数优化所述深度学习网络的方法，包括以下步骤： 采用苦鱼优化算法确定最优网络模型参数，定义为第个网络模型参数，与苦鱼产卵点对应，为历史3小时内输入特征维度，由多个苦鱼个体组成苦鱼种群，为种群数量，同时以标准网络模型参数初始化种群获得，其中边界为，为随机扰动数； 搜索合适的牡蛎确定苦鱼产卵点，更新苦鱼位置，当成功捕获牡蛎时，苦鱼更新位置表达式为： 其中为第条鱼在第次迭代中的更新位置，为第条鱼在第次迭代中的当前位置，为动态惯性权重，为第次迭代时苦鱼移动到逃逸牡蛎的步数，、为的随机数，为最好的牡蛎，即吸引苦鱼的最优的产卵点，为随机选择的种群中最值得的牡蛎，、为最大惯性权重和最小惯性权重，为第次迭代时种群方差，为种群初始方差，为最大迭代次数，为随机函数； 当牡蛎逃逸时进行重新探索，苦鱼更新位置表达式为： 其中为逃逸重置概率，取； 根据成功捕获的牡蛎位置，雌鱼在该位置产卵产生新个体，新个体苦鱼更新位置表达式为： 其中为第迭代时新产生苦鱼的位置，为新产生的苦鱼在牡蛎壳内部分布半径，为均值取0、方差取的高斯噪声； 计算种群适应度，确定最好的牡蛎和种群中最值得的牡蛎，表达式为： ； 其中为种群适应度，为适应度动态权重，为第次迭代第个动态网络模型参数位置，为第个标准网络模型参数位置，为第个动态网络模型参数最大值对应位置，第个动态网络模型参数最小值对应位置，为协调性熵的权重，为第个动态识别阈值的协调性熵，为时变惩罚权重，为时变惩罚衰减率，为第次迭代第个动态网络模型参数位置与目标位置的相关性； 采用牡蛎猎杀新生苦鱼的策略淘汰种群个体，新生苦鱼淘汰概率为： 其中为新生苦鱼的淘汰概率，为种群选择压力，为新生苦鱼种群第迭代的适应度，为包含新生苦鱼和与原本苦鱼的新苦鱼种群第迭代的适应度，为多样性惩罚权重，为第迭代的种群多样性，种群历史平均位置； 重复上述操作，直到优化目标函数最小或者达到最大迭代次数停止迭代，输出最优网络模型参数，获得优化后的深度学习网络。

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辽宁省人工影响天气办公室，其通讯地址为：110166 辽宁省沈阳市和平区长白南路388号东北区域气象中心；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”。