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！

龙图腾网获悉夏萃慧申请的专利一种基于双重注意力机制的建模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：CN119720785B 。

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：202411854795.2，技术领域涉及：G06F30/27；该发明授权一种基于双重注意力机制的建模方法是由夏萃慧设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本一种基于双重注意力机制的建模方法在说明书摘要公布了：本申请公开了一种基于双重注意力机制的建模方法，将四维张量作为输入数据；通过深度卷积长短期记忆网络提取所述输入数据的时空特征，对输入的每个特征通道分别应用ConvLSTM2D层，并在特征维度上进行拼接；将时间分布的空间注意力和特征注意力集成到深度学习框架，通过时间分布的Flatten层将每个时间步的空间特征展开为一维向量；将所述一维向量应用全局平均池化层在时间维度上对特征进行聚合；通过输出层预测目标值。本发明通过利用双重注意力机制，针对随时间变化的重要空间位置和特征利用算法建模，无需预分析数据的优势，提高多个时空场景下的预测准确性、可解释性和泛化能力。

本发明授权一种基于双重注意力机制的建模方法在权利要求书中公布了：1.一种基于双重注意力机制的建模方法，其特征在于， 模型架构在水文模拟中的应用处理各种网格化格点化的陆地表面数据，包括辐射、蒸发、径流、温度、积雪深度变量； a将四维张量作为输入数据； 通过DepthwiseConvLSTM2D层处理陆地表面数据，能够捕捉输入数据中的空间和时间依赖关系，通过融合双重注意力机制来增强性能； b通过深度卷积长短期记忆网络提取所述输入数据的时空特征，对输入的每个特征通道分别应用ConvLSTM2D层，并在特征维度上进行拼接； TimeDistributedSpatialAttention层能够识别在每个时间步中，网格中哪些空间位置具有重要影响；输出加权后的空间数据以及相应的注意力权重，使模型能够专注于最相关的区域；FeatureWiseAttention层帮助识别每个环境特征，包括温度、降水量或积雪深度在时间上的重要性； c将时间分布的空间注意力和特征注意力集成到深度学习框架，所述时间分布的空间注意力通过对输入数据在时间维度上使用时间分布包装的二维卷积层计算空间注意力权重，所述特征注意力机制通过对输入数据在时间维度上使用时间分布包装的二维卷积层计算特征注意力权重； d通过时间分布的Flatten层将每个时间步的空间特征展开为一维向量； e将所述一维向量应用全局平均池化层在时间维度上对特征进行聚合； f通过输出层预测目标值； 所述空间注意力权重通过对每个时间步的输入数据进行卷积操作并应用sigmoid激活函数计算得到，计算空间注意力权重的公式为： 其中，Conv2D为二维卷积操作，填充方式为"same"，σ为sigmoid激活函数，为时间步数t的输入； 所述特征注意力权重通过对每个时间步的输入数据进行1×1卷积操作并应用softmax激活函数计算得到，其中，计算特征注意力权重的公式为： 其中，e为自然常数，表示softmax的输入值，求和操作在每个空间位置i,j的所有通道C上进行，确保在每个空间位置i,j上，所有特征的注意力权重之和为1： 即softmax函数沿通道维度k进行归一化，这意味着确保了在某一时间步t和空间位置i,j上，所有特征通道的注意力权重分布按比例分布的； 所述全局平均池化层在时间维度上对特征进行聚合实现公式为： 模型的训练过程使用均方误差作为损失函数，并使用自适应矩估计优化器进行优化； 损失函数如下： 其中，N为样本数量，y为真实值，为预测值； 模型的输出包括三个部分：水文预测结果、空间注意力权重和特征注意力权重。

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夏萃慧，其通讯地址为：100000 北京市朝阳区林萃路16号院3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”。