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！

龙图腾网获悉上海师范大学;中国气象局上海台风研究所(上海市气象科学研究所)申请的专利一种基于深度学习的近地表风场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：CN120541763B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510622517.2，技术领域涉及：G06F18/25；该发明授权一种基于深度学习的近地表风场降尺度方法是由廉洁;黄司戎;余晖;陈佩燕;常湛源设计研发完成，并于2025-05-15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近地表风场降尺度方法在说明书摘要公布了：本发明涉及一种基于深度学习的近地表风场降尺度方法，方法包括以下步骤：S1、获取站点数据、风场数据和地形数据，特征提取模块输出风场和地形总高维特征；S2、所述风场和地形总高维特征输入多尺度特征融合模块，输出多尺度融合特征；S3、输出第一近地表风场网格预测值；S4、第二全连接预测模块输出第二近地表风场网格预测值；S5、获取自适应加权分析数据，将自适应加权分析数据输入自适应加权网络，基于第一权重和第二权重得到最终地表风场网格预测值。与现有技术相比，本发明具有提高近地表风场降尺度的准确性和效率等优点。

本发明授权一种基于深度学习的近地表风场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近地表风场降尺度方法，其特征在于，方法包括以下步骤： S1、获取站点数据、风场数据和地形数据，将所述风场数据和地形数据输入多尺度空间特征提取网络，所述多尺度空间特征提取网络由特征提取模块、多尺度特征融合模块、第一全连接预测模块组成，风场数据和地形数据输入特征提取模块后，特征提取模块输出风场和地形总高维特征； S2、所述风场和地形总高维特征输入多尺度特征融合模块，输出多尺度融合特征； S3、多尺度融合特征输入第一全连接预测模块，第一全连接预测模块输出第一近地表风场网格预测值； S4、基于所述站点数据构建站点数据空间位置图和站点数据特征相关性图，将所述站点数据空间位置图和站点数据特征相关性图和对应的站点特征输入站点空间联动网络，所述站点空间联动网络包括空间位置管道流、相关性管道流和第二全连接预测模块，所述空间位置管道流和相关性管道流的输出输入至第二全连接预测模块，所述第二全连接预测模块输出第二近地表风场网格预测值； S5、获取自适应加权分析数据，将自适应加权分析数据输入自适应加权网络，生成第一近地表风场网格预测值对应的第一权重和第二近地表风场网格预测值对应的第二权重，基于第一权重和第二权重得到最终地表风场网格预测值。

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上海师范大学;中国气象局上海台风研究所(上海市气象科学研究所)，其通讯地址为：201103 上海市徐汇区桂林路100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。