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！

龙图腾网获悉国网浙江省电力有限公司电力科学研究院申请的专利基于地形约束Transformer模型的近地表气象场降尺度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：CN120045923B 。

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：202510513641.5，技术领域涉及：G06F18/213；该发明授权基于地形约束Transformer模型的近地表气象场降尺度方法是由韩嘉佳;蔡钧宇;汪自翔;赵峥;姜文东;刘镕豪;孙歆设计研发完成，并于2025-04-23向国家知识产权局提交的专利申请。

本基于地形约束Transformer模型的近地表气象场降尺度方法在说明书摘要公布了：本发明涉及气象数据处理与地理信息技术领域，尤其涉及基于地形约束Transformer模型的近地表气象场降尺度方法，该方法包括以下步骤：从再分析气象数据与数字高程模型数据中提取多模态融合特征，再借助地形约束Transformer网络映射至目标分辨率获取初始降尺度气象数据；通过变分自编码器对初始数据进行潜变量建模刻画多尺度不确定性，并结合基于元学习的迭代更新机制纳入能量平衡和质量守恒等物理约束，生成核心降尺度气象数据；本发明通过自监督预训练和在线更新，实现对局地气象的细节捕捉与动态适应。

本发明授权基于地形约束Transformer模型的近地表气象场降尺度方法在权利要求书中公布了：1.一种基于地形约束Transformer模型的近地表气象场降尺度方法，其特征在于，包括以下步骤： 采集再分析气象数据及其对应区域的数字高程模型数据，并进行空间对齐和重采样，通过预处理后进行特征提取并融合，生成融合多模态图特征数据； 所述特征提取并融合步骤采用包含地形约束Transformer结构的双分支卷积网络，一分支对预处理后的再分析气象数据提取特征生成嵌入气象数据，另一分支对预处理后的数字高程模型数据提取特征生成嵌入地形数据，并利用嵌入地形数据产生的地形权重因子构建动态邻接矩阵，再通过图卷积网络对节点特征进行多层次传播与融合，从而形成融合多模态图特征数据； 将所述融合多模态图特征数据经降尺度网络映射至目标降尺度分辨率形成初始降尺度气象数据，并利用变分自编码器对所述初始降尺度气象数据进行潜变量建模，以获得描述数据不确定性和多尺度特征的潜变量表达，同时结合物理约束，通过基于元学习的迭代更新机制在数据与理论物理值之间建立反馈闭环，从而生成核心降尺度气象数据； 以所述核心降尺度气象数据与实测观测气象数据作为监督样本，通过自监督预训练和监督微调构建混合损失函数，并实施在线更新机制，实现降尺度气象数据的输出； 将核心降尺度气象数据与独立观测获取的实测观测气象数据构成监督样本，利用自监督预训练与监督微调结合的方式建立混合损失函数，混合损失函数包含基于差值统计的重构损失以及体现物理一致性的约束损失，并按照预设权重对两项损失求和计算梯度； 自监督预训练通过对再分析气象数据进行区域遮盖处理生成遮盖数据样本，并使用包含地形约束Transformer结构的多模态网络对遮盖数据样本实施重构训练；监督微调通过比对核心降尺度气象数据与实测观测气象数据之间的空间分布与气象要素值差距进行参数修正，自监督预训练与监督微调均采用所述混合损失函数； 在线更新机制基于连续接收的实测观测气象数据对核心降尺度气象数据的输出偏差进行周期性核算，当偏差超出阈值时触发监督微调过程对包含地形约束Transformer结构的网络及变分自编码器的参数进行增量训练，以在多个更新周期内逐步修正降尺度网络的权重并输出降尺度气象数据。

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国网浙江省电力有限公司电力科学研究院，其通讯地址为：310000 浙江省杭州市拱墅区华电弄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”。