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！

龙图腾网获悉中国地质大学(武汉)申请的专利基于ST-Informer的船舶交通流量长序列时空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：CN116821784B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202310517450.7，技术领域涉及：G06F18/241；该发明授权基于ST-Informer的船舶交通流量长序列时空预测方法是由江宝得;罗海燕;江盈设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本基于ST-Informer的船舶交通流量长序列时空预测方法在说明书摘要公布了：本发明涉及一种基于ST‑Informer的船舶交通流量长序列时空预测方法，本发明通过建立时空融合模型对船舶交通流量进行长序列预测。主要采用基于ST‑Informer模型的方法进行处理。首先，对船舶自动识别系统AIS数据进行清洗和初步统计分析，提取各港区不同时间段的船舶交通流量数据，其次，对船舶交通流量数据进行缺省值填充和标准化处理，然后，基于各港区间距离和历史船舶交通流量构造邻接矩阵和特征矩阵，最后，基于ST‑Informer模型预测各港区船舶交通流量。本发明从水上交通路网的拓扑结构和长序列角度出发，充分考虑船舶交通流量数据中蕴含的时空特征，有效提高船舶交通流量长序列预测精度。

本发明授权基于ST-Informer的船舶交通流量长序列时空预测方法在权利要求书中公布了：1.基于ST-Informer的船舶交通流量长序列时空预测方法，其特征在于，包括以下步骤： 步骤1、从船舶自动识别系统AIS数据中提取航行船舶数据，得到一段时间内每个时刻进出每个港区的船舶交通流量； 步骤2、采用前后同一时间段的船舶交通流量数据的平均值对缺失船舶交通流量数据的相应时刻进行数据填充，并对所有船舶交通流量数据进行归一化处理； 步骤3、构建邻接矩阵A和特征矩阵X，假设港区即交通节点的数量为N，将水上交通网络表示为G＝VN,E,A，VN表示N个节点的集合；E是连接节点间的边集合；A是邻接矩阵，表示各节点的连接情况； 基于统计的各港区历史船舶交通流量构造特征矩阵X： 式中，表示在t时刻第i港区的船舶交通流量，m表示时间数据维度； 步骤4、利用特征矩阵X得到特征序列其中xi为特征矩阵X中的第i列，将特征序列Xen进行位置编码后与邻接矩阵A一起输入编码器，对标记序列Xtoken和填充占位符X0进行拼接得到Xde，再对Xde进行位置编码后，与邻接矩阵A一起输入解码器； 步骤5、所述编码器用于结合邻接矩阵A，利用图注意力神经网络与稀疏自注意力模块对特征序列Xen进行时空特征提取，再进行自注意蒸馏，并将输出的高阶时空特征表示HE输入到解码器的交叉注意力模块，所述解码器用于结合Xen高阶时空特征表示HE，利用图注意力神经网络、遮罩的稀疏自注意力模块和交叉注意力模块对输入数据进行时空特征提取，得到解码器的输出数据HDl； 步骤6、解码器的输出数据HDl经过全连接层得到最终预测序列并截取其中最后Ly个时间步的预测值作为船舶交通流量预测结果Youtput； 步骤7、根据船舶交通流量预测结果与实际值，利用损失函数计算损失值，通过重复进行步骤5对基于图注意力神经网络的时空预测模型进行训练，调整模型参数，直到损失函数最小化后，模型训练完毕，得到最终的船舶交通流量预测模型； 步骤8、利用最终的船舶交通流量预测模型对未来的船舶交通流量进行预测。

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中国地质大学(武汉)，其通讯地址为：430074 湖北省武汉市洪山区鲁磨路388号中国地质大学(武汉)；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。