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！

龙图腾网获悉西安电子科技大学申请的专利基于图像特征与时间序列的多模态F10.7指数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：CN119720124B 。

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：202411862436.1，技术领域涉及：G06F18/27；该发明授权基于图像特征与时间序列的多模态F10.7指数预测方法是由韩冰;林圣龙;赵玮雄;高新波设计研发完成，并于2024-12-17向国家知识产权局提交的专利申请。

本基于图像特征与时间序列的多模态F10.7指数预测方法在说明书摘要公布了：本发明提出了一种基于图像特征与时间序列分析的多模态F10.7指数预测方法，主要解决现有技术中预测精度低和效率不足的问题。其实现方案是：对SDOHMI太阳活动图像和F10.7指数时间序列数据依次进行预处理、时间对齐和存储得到多模态数据，并将其划分为训练集和测试集；构建包括三维卷积神经网络、时间卷积网络、自注意力模块和全连接网络的多模态预测模型，并采用均方误差作为该模型的损失函数；将训练集输入到多模态模型，通过Adam优化器对其进行训练；将测试集输入到训练好的多模态预测模型，输出F10.7指数预测值。本发明提高了F10.7指数的预测精度，降低了计算成本，提升了计算效率，可用于航天、通信和空间天气预警。

本发明授权基于图像特征与时间序列的多模态F10.7指数预测方法在权利要求书中公布了：1.一种基于图像特征与时间序列的多模态F10.7指数预测方法，其特征在于，包括： 1构建多模态数据： 1a从SDO观测网站下载不同年份的SDOHMI太阳活动图像数据，从NASA官网获取对应年份的F10.7指数时间序列数据，并对这两类数据分别进行预处理； 1b对预处理后的图像数据和时间序列数据进行时间对齐，得到多模态数据，并采用HDF5格式存储，按年份将其划分为训练集和测试集； 2搭建多模态预测模型： 2a建立包括多层卷积层、池化层和全连接层级联组成的三维卷积神经网络，利用该网络提取太阳活动图像的局部和全局空间特征，生成高度集成的图像特征向量； 2b构建包含多层膨胀卷积残差模块和全连接层级联组成的时间卷积网络，利用该网络提取F10.7指数时间序列数据中的时序特征，生成包含重要时序信息的特征向量； 2c通过自注意力模块对图像特征和时间序列特征进行融合，动态调整不同特征的权重，突出关键特征，建立图像与时间序列数据之间的关联性，生成更具解释性和预测能力强的特征向量； 2d将融合后的特征向量输入含有两层的全连接网络进行非线性处理和回归分析，将特征向量映射为F10.7指数值； 2e将三维卷积神经网络与时间卷积网络并联后，再与特征融合模块和全连接网络依次串联构成多模态预测模型； 3对多模态预测模型进行训练： 3a使用均方误差MSE作为多模态预测模型的损失函数； 3b将训练集输入到多模态模型，利用Adam优化器对其进行训练，直至达到设置的迭代次数，得到训练好的多模态模型； 4将测试集数据输入到训练好的多模态模型，输出F10.7指数预测值。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市雁塔区太白南路2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。