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！

龙图腾网获悉河海大学;华北水利水电大学申请的专利一种基于深度学习的土壤墒情预测方法和装置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：CN120387148B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202510889383.0，技术领域涉及：G06F18/25；该发明授权一种基于深度学习的土壤墒情预测方法和装置是由虞美秀;何佳仪;金君良;黄生志;韦丽;宋翰林;徐梓轩;吴福婷设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本一种基于深度学习的土壤墒情预测方法和装置在说明书摘要公布了：本发明公开了一种基于深度学习的土壤墒情预测方法和装置，首先，对历史土壤墒情时间序列数据进行季节性趋势分解，得到趋势项、季节项和残差项；其次，结合多种因果检验方法，分析每个分解项与气象变量之间的因果关系，构建动态因果邻接矩阵，得到因果树结构；针对趋势项、季节项和残差项，分别根据因果树结构设计因果LSTM子模型，输入历史分解序列和筛选后的因果气象变量进行独立预测；最后，通过全连接层融合各子模型的预测结果，输出未来时段土壤墒情的最终预测值。本发明的创新点在于融合分解项因果信息和时间依赖性特征，增强了模型的可解释性和对长期趋势及短期突变的响应能力。

本发明授权一种基于深度学习的土壤墒情预测方法和装置在权利要求书中公布了：1.一种基于深度学习的土壤墒情预测方法，其特征在于，包括： 获取土壤墒情历史时间序列和各气象因子历史时间序列； 根据土壤墒情历史时间序列，根据季节性趋势分解方法STL分解得到分解项的时间序列，所述分解项包括：趋势项、季节项和残差项； 根据各气象因子历史时间序列以及各分解项时间序列，分别通过各分解项对应的因果长短期记忆网络LSTM子模型得到各分解项的预测结果；所述因果长短期记忆网络LSTM子模型构建过程包括：根据分解项和各气象因子的历史时间序列，通过因果检验方法，分析每个分解项与气象变量之间的因果关系，得到动态因果邻接矩阵，根据动态因果邻接矩阵得到因果树结构，根据因果树结构构建因果LSTM子模型； 各因果LSTM子模型输出的分解项的预测结果通过全连接层融合，通过输出层输出未来时段土壤墒情的最终预测值； 各分解项对应的因果长短期记忆网络LSTM子模型包括：趋势项子模型、季节项子模型和残差项子模型，各子模型架构均基于因果LSTM结构进行构建； 趋势项子模型采用单向LSTM结构； 季节项子模型在季节编码器和层归一化之后设有全局池化层，用于提取全局季节性特征，并在季节项子模型的全连接层之前引入注意力机制，生成上下文向量与注意力权重； 残差项子模型采用双向LSTM结构，并结合最大池化和平均池化两种全局特征提取方法获取最大池化特征与平均池化特征，与残差编码特征通过张量连接函数连接后输入残差项子模型的全连接层。

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河海大学;华北水利水电大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路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”。