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！

龙图腾网获悉海南热带海洋学院;海南热带海洋学院崖州湾创新研究院申请的专利一种基于深度学习的海表高度异常数据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：CN119992243B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510481588.5，技术领域涉及：G06F18/21；该发明授权一种基于深度学习的海表高度异常数据降尺度方法是由夏瑞雪;梁韵;高淑敏;孙文静设计研发完成，并于2025-04-17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海表高度异常数据降尺度方法在说明书摘要公布了：本发明提供了一种基于深度学习的海表高度异常数据降尺度方法，涉及数据处理技术领域，具体包括如下步骤：对数据进行预处理，数据包括：AVISO数据、SWOT数据和关键辅助变量；构建基于增强型超分辨率生成对抗网络ESRGAN，生成高分辨率特征图，ESRGAN包括：生成网络和判别网络；使用多个损失函数组合优化生成网络和判别网络的性能，包括对抗损失、感知损失和像素损失；分别采用均方根误差和结构相似性指数对ESRGAN输出的像素级误差和空间细节一致性进行评估。本发明的技术方案克服现有技术中数据降尺度方法适用性和泛化能力有限，难以适应不同区域和多源数据的融合需求的问题。

本发明授权一种基于深度学习的海表高度异常数据降尺度方法在权利要求书中公布了：1.一种基于深度学习的海表高度异常数据降尺度方法，其特征在于，具体包括如下步骤： S1，对数据进行预处理，数据包括：AVISO数据、SWOT数据和关键辅助变量，关键辅助变量包括：海表温度SST、海面风速、气压场、海底地形、潮汐数据、空间位置信息和季节性特征； 步骤S1具体包括如下步骤： S1.1，将AVISO数据作为模型输入，SWOT数据作为模型标签； S1.2，对数据进行时间匹配； S1.3，对数据进行空间匹配和对齐； 步骤S1.3具体包括如下步骤： S1.3.1，从SWOT条带状分布的数据中裁剪规则矩形区域，并提取对应区域的AVISO数据，生成配对数据块； S1.3.2，对裁剪的规则矩形区域的网格坐标进行对齐，确保AVISO与SWOT在相同的空间分辨率和坐标系统下； S1.3.3，将所有关键辅助数据插值到规则矩形区域的空间分辨率，保持空间一致性；截取规则矩形区域内的海底地形，利用重采样方法下采样至条带分辨率； S1.3.4，对跨越边界的条带进行插值； S2，构建基于增强型超分辨率生成对抗网络ESRGAN，生成高分辨率特征图，ESRGAN包括：生成网络和判别网络； S3，使用多个损失函数组合优化生成网络和判别网络的性能，包括对抗损失、感知损失和像素损失； S4，分别采用均方根误差MSE和结构相似性指数SSIM对ESRGAN输出的像素级误差和空间细节一致性进行评估； 步骤S2中的生成网络的构建包括如下步骤： S2.1，将AVISO和关键辅助变量分别通过卷积网络提取特征，提取后的特征在通道维度上拼接，拼接后的特征作为输入特征，并引入通道注意力机制，数学表达式为： ； 其中，为加权后的特征，即经过注意力机制调整后的特征表示；为输入特征，和为注意力权重矩阵，为Sigmoid激活函数，为激活函数； S2.2，输入数据即加权后的特征，首先进行初始卷积操作，随后经过多层RRDB提取深层次的多尺度特征，然后，多尺度特征通过上采样模块逐步放大并映射到高分辨率空间，最终生成目标高分辨率图像，数学表达式为： ； 其中表示初始卷积操作，表示层RRDB的堆叠操作，表示上采样模块。

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海南热带海洋学院;海南热带海洋学院崖州湾创新研究院，其通讯地址为：572099 海南省三亚市育才路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”。