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！

龙图腾网获悉国家气象中心(中央气象台、中国气象局气象导航中心)申请的专利基于时空序列与多模态特征融合的台风快速增强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：CN120633957B 。

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：202511130442.2，技术领域涉及：G06Q10/04；该发明授权基于时空序列与多模态特征融合的台风快速增强预测方法是由周冠博;钱奇峰;方翔;陈炫志;徐雅静;聂高臻;刘达设计研发完成，并于2025-08-13向国家知识产权局提交的专利申请。

本基于时空序列与多模态特征融合的台风快速增强预测方法在说明书摘要公布了：本发明涉及台风预测技术领域，公开一种基于时空序列与多模态特征融合的台风快速增强预测方法，包括：基于台风最佳路径数据及多源卫星观测数据，构建多模态时空序列数据集和辅助数据集；采用统一流形逼近与投影方法对高维的多模态时空序列数据进行降维预处理，生成台风观测序列的一维时间序列嵌入表示；将所述一维时间序列嵌入表示和辅助数据作为独立输入通道，输入训练好的台风观测网络模型，以预测台风快速增强概率；其中，所述台风观测网络模型是一个多模态时空融合的深度学习架构，其核心由变分注意力循环神经网络构成，并通过改进的Harris鹰优化算法进行超参数优化。本发明实现对台风快速增强过程的准确、鲁棒识别。

本发明授权基于时空序列与多模态特征融合的台风快速增强预测方法在权利要求书中公布了：1.一种基于时空序列与多模态特征融合的台风快速增强预测方法，其特征在于，包括以下步骤： 基于台风最佳路径数据及多源卫星观测数据，构建多模态时空序列数据集和辅助数据集； 采用统一流形逼近与投影方法对高维的多模态时空序列数据进行降维预处理，生成台风观测序列的一维时间序列嵌入表示； 将所述一维时间序列嵌入表示和辅助数据作为独立输入通道，输入训练好的台风观测网络模型，以预测台风快速增强概率； 其中，所述台风观测网络模型是一个多模态时空融合的深度学习架构，其核心由变分注意力循环神经网络构成，并通过改进的HarrisHawks优化算法进行超参数优化； 其中，所述台风观测网络模型的训练过程采用变分注意力机制的循环神经网络处理所述一维时间序列嵌入表示和所述辅助数据，具体包括： 将所述一维时间序列嵌入表示和所述辅助数据输入多头注意力机制，通过线性变换生成查询向量、键向量和值向量，用于捕捉不同时间步中关键区域的相关性； 采用并行多头结构融合多尺度特征：每个注意力头捕捉不同物理机制信号，包括强对流云区特征或温湿廓线突变；拼接多头输出并通过线性映射矩阵跨头融合，得到融合特征图； 对融合特征图执行时序窗口压缩聚合，沿时间维度全局平均池化生成窗口聚合特征； 将所述窗口聚合特征输入循环神经网络进行建模时序演化，通过隐藏状态编码台风能量累积过程；将最后时间步的隐藏状态输入分类器输出未来12小时快速增强概率； 所述变分注意力循环神经网络的多头注意力机制包括三类专用注意力头： 第一类注意力头：共Mz个，仅接收一维时间序列嵌入特征窗口序列，用于捕捉台风发展过程中的突变特征； 第二类注意力头：共Ma个头，仅接收辅助数据特征窗口序列，用于监控强度跃迁信号； 第三类注意力头：共Mc个头，同时接收一维时间序列嵌入特征窗口序列和辅助数据特征窗口序列，用于捕捉两类特征的交叉模式； 其中，所述变分注意力循环神经网络通过门控融合机制动态整合双通道输出： 其中，分别表示第一类注意力头、第二类注意力头和第三类注意力头的输出；为内部权重系数；为动态门控系数，其取值根据辅助数据状态自适应调整：当辅助数据检测到强度跃迁时，门控系数；当辅助数据显示稳定状态时，； 其中，通过改进的HarrisHawks优化算法进行超参数优化，包括： 使用Tent混沌映射结合随机扰动初始化种群； 设计非线性逃逸能量函数动态调控全局探索与局部开发比例； 当逃逸能量E≥1时，采用柯西变异机制更新参数以进行全局探索优化，增强跳出局部最优能力； 当逃逸能量E1时，采用自适应惯性权重与随机扰动联合机制进行局部开发优化，强化细粒度特征响应。

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国家气象中心(中央气象台、中国气象局气象导航中心)，其通讯地址为：100081 北京市海淀区中关村南大街46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。