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！

龙图腾网获悉山东省科学院海洋仪器仪表研究所申请的专利一种基于改进TCN-LSTM的风速风向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：CN120234763B 。

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：202510713730.4，技术领域涉及：G06F18/25；该发明授权一种基于改进TCN-LSTM的风速风向预测方法是由刘世萱;于宗浩;宋苗苗;付晓;闫星魁;苗斌;杨祥龙;李文庆设计研发完成，并于2025-05-30向国家知识产权局提交的专利申请。

本一种基于改进TCN-LSTM的风速风向预测方法在说明书摘要公布了：本发明涉及风速风向预测领域，公开了一种基于改进TCN‑LSTM的风速风向预测方法，包括如下步骤：采集海上风站的实时监测多维气象数据，并进行预处理；将预处理后的数据进行特征融合和特征增强处理，所述特征增强处理包括空间特征提取、张量重构和时序建模；将特征融合和特征增强处理后的数据输入基于改进的TCN‑LSTM混合神经网络的风速风向预测模型中，预测未来时刻的风速和风向；所述风速风向预测模型包括时空分离TCN网络、多头自注意力机制、自适应Dropblock机制、LSTM网络和贝叶斯优化模块；本发明所公开的方法可以提升复杂海洋环境下风力预测的准确性、鲁棒性与计算效率。

本发明授权一种基于改进TCN-LSTM的风速风向预测方法在权利要求书中公布了：1.一种基于改进TCN-LSTM的风速风向预测方法，其特征在于，包括如下步骤： 步骤一，采集海上风站的实时监测多维气象数据，并进行预处理； 步骤二，将预处理后的数据进行特征融合和特征增强处理，所述特征增强处理包括空间特征提取、张量重构和时序建模； 步骤三，将特征融合和特征增强处理后的数据输入基于改进的TCN-LSTM混合神经网络的风速风向预测模型中，预测未来时刻的风速和风向； 所述风速风向预测模型包括时空分离TCN网络、多头自注意力机制、自适应Dropblock机制、LSTM网络和贝叶斯优化模块； 所述时空分离TCN网络通过扩张因果卷积捕捉多尺度时序特征，通过时空解耦卷积进一步增强时空特征提取能力，采用残差连接构建跨层捷径； 所述多头自注意力机制用于对特征进行动态上下文建模，使模型能捕获全局关联性； 所述自适应Dropblock机制通过生成二维掩码实现相邻特征的同步丢弃； 所述LSTM网络为层级交互增强型双层LSTM网络，通过跨层门控耦合机制实现细胞状态级的多尺度时序特征融合； 所述贝叶斯优化模块采用Optuna框架，利用TPE采样器和剪枝策略分两阶段对风速风向预测模型的超参数进行优化。

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山东省科学院海洋仪器仪表研究所，其通讯地址为：266200 山东省青岛市即墨区鳌山卫街道青岛蓝色硅谷核心区蓝色硅谷创业中心一期2号楼；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”。