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！

龙图腾网获悉太原理工大学申请的专利一种基于注意力机制的MSTKAN模型ENSO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：CN120105016B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510270468.0，技术领域涉及：G06F18/20；该发明授权一种基于注意力机制的MSTKAN模型ENSO预测方法是由王彬;景民薪;李丹丹;董兴旺;王锐设计研发完成，并于2025-03-07向国家知识产权局提交的专利申请。

本一种基于注意力机制的MSTKAN模型ENSO预测方法在说明书摘要公布了：本发明属于ENSO的预测方法技术领域，具体涉及一种基于注意力机制的MSTKAN模型ENSO预测方法，包括下列步骤：获取全球上层海洋温度异常以及纬向风应力和经向风应力三个重要的海洋和大气变量的月度数据；对数据进行初步处理主要包括；构建预测模型；采用Adam算法进行网络训练优化；训练和验证模型。本发明的MSTKAN通过其多轴时空注意力机制，能够捕捉不同方向的细粒度特征，充分考虑ENSO数据中固有的方向性依赖性。并且通过引入Kolmogorov‑Arnold网络，替代了传统的线性层，使用可学习的非线性函数，更灵活、精确地逼近输出特征，从而增强了模型在捕捉复杂非线性关系方面的能力。通过改进架构，MSTKAN在ENSO的长期与短期预测准确性上超越了现有的主流模型，提供了更可靠的预测结果。

本发明授权一种基于注意力机制的MSTKAN模型ENSO预测方法在权利要求书中公布了：1.一种基于注意力机制的MSTKAN模型ENSO预测方法，其特征在于，包括下列步骤： S1、获取全球上层海洋温度异常以及纬向风应力和经向风应力三个重要的海洋和大气变量的月度数据； S2、对数据进行初步处理主要包括：替换缺失值、无效值；设定需要的经纬度范围；插值到规则网格，以及归一化处理；构建适合深度学习模型处理的输入；将处理过后的数据依次划分为训练集、验证集、测试集； S3、构建预测模型：MSTKAN模型主体分三部分，多层卷积编码器、多轴时空注意力模块，KAN预测网络，其中多轴时空注意力模块分为空间注意力模块Intra-SA以及时间注意力模块Inter-TA，负责在时间和空间两个维度上提取特征，捕捉数据中的复杂依赖关系；KAN预测网络由KAN代替了传统线形层，这里使用两层KAN层； 令X表示一组输入的特征，尺寸为，其中T、C、H和W分别是时间、通道数、高度和宽度； Intra-SA块包含两个并行分支：水平注意力H-SA和垂直注意力V-SA；在H-SA中，首先生成查询、键和值，分别表示为,,和，用于多头注意力，多头注意力的头数设置为M=8；接下来，将重塑为2D张量，尺寸为，表示的H个水平块；H-SA的注意力特征以表示；之后，将重塑回，然后连接所有的注意力特征以获得；对称地，V-SA在垂直方向计算垂直注意力，生成注意力特征，同样，将所有V-SA特征重塑和连接为；连接水平注意力和垂直注意力的特征以构成空间注意力模块的输出； Inter-TA块包含两个并行分支：水平注意力H-TA和垂直注意力V-TA；在H-TA中，首先被分割为H个不重叠且共定位的水平区域∈，；接下来，根据生成查询、键和值；接下来，我们将重塑为2D张量，尺寸为；然后，在时间维度上生成水平注意力特征之后，将重塑为，并沿通道维度连接所有头的特征，生成；然后，将H个注意力输出折叠成，表示水平上的加权特征；对称地，将垂直注意力应用于以获得V-TA的加权特征；连接水平注意力和垂直注意力的特征以构成时间注意力模块的输出； S4、采用Adam算法进行网络训练优化，包括：学习率设置为1e-5，使用自定义的学习率变化策略，采用Warm-up策略，在训练初期通过逐步增加学习率，然后随着训练的进行，逐渐减小学习率；提高模型训练的稳定和效率； S5、训练和验证模型：使用S3中构建的模型和S2中得到的训练集和验证集对模型进行训练和验证，针对厄尔尼诺以及海洋和大气变量的特点提出联合损失函数，根据评价指标，保存验证过程中最好的模型，利用测试集对所提出模型的有效性进行实验测试。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽大街79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”。

以上内容由龙图腾AI智能生成。