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！

龙图腾网获悉成都信息工程大学;南充市气象局申请的专利一种多源同型气象要素融合检验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：CN116756566B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202310640514.2，技术领域涉及：G06F18/214；该发明授权一种多源同型气象要素融合检验方法是由文斌;陈岚;王冬萌;付世军;李亚军;刘书慧;李梦;徐越;卢德全设计研发完成，并于2023-06-01向国家知识产权局提交的专利申请。

本一种多源同型气象要素融合检验方法在说明书摘要公布了：本发明公开了一种多源同型气象要素融合检验方法，引入同型站的目标要素特征和强相关气象要素特征，得到多特征融合数据集，引入LSTNet网络提取数据时序特征和要素关联性，并针对应用场景，并对LSTNet网络进行改进得到ILSTNet网络，使其进行正反向气象数据特征的提取的同时，也关注重要特征和重要时间步的信息，将ILSTNet网络作为第一预测网络；以编码解码框架为主体构建第二预测网络，将第一预测网络和第二预测网络进行动态加权融合，双阶段融合预测模型MFC‑IL‑EDCT。本发明对实际气象数据序列的变化趋势拟合准确性更高，数据动态跟踪能力更强，因此可以更好地进行气象数据真实性检验。

本发明授权一种多源同型气象要素融合检验方法在权利要求书中公布了：1.一种多源同型气象要素融合检验方法，其特征在于，包括以下步骤： 步骤1：利用空间相关性分析找到气象观测站点的同型站，引入同型站的目标要素特征；利用要素相关性分析，对影响目标要素的气象因子进行筛选，得到强相关气象要素特征；将强相关气象要素特征与目标观测站的历史风目标要素数据融合，得到多特征融合数据集，作为模型的输入； 步骤2：引入LSTNet网络提取数据时序特征和要素关联性，并针对应用场景，并对LSTNet网络进行改进得到ILSTNet网络，使其进行正反向气象数据特征的提取的同时，也关注重要特征和重要时间步的信息，将ILSTNet网络作为第一预测网络； 以编码解码框架为主体构建第二预测网络，第二预测网络的编码器选用ConvLSTM网络，解码器部分选用时间卷积网络； 步骤3：将第一预测网络和第二预测网络进行动态加权融合，得到基于多特征融合的改进LSTNet网络和编解码器混合的双阶段融合预测模型MFC-IL-EDCT； 所述步骤2中，LSTNet网络包括线性和非线性两部分，线性部分则由自回归模块组成，非线性部分包括卷积模块、循环模块和循环跳跃模块； 对LSTNet网络进行改进具体包括： 1在循环模块和循环跳接模块中，用双向循环神经网络BiLSTM代替原始LSTNet中的GRU，以便同时提取双向的数据信息；循环模块和循环跳接模块在时刻单元状态的更新统一用数学表达如下： ； ； ； ； ； ； 其中，为跳过隐藏层的数量，、、、、和分别为遗忘门、输入门、输入节点、记忆单元、输出门和隐藏层的输出；与输入相乘的权重，与输入相乘的权重，为输入节点与输入相乘的权重，为输出门与输入相乘的权重；与隐藏层相乘的权重，为输入门与隐藏层相乘的权重，为输入节点与隐藏层相乘的权重，为输出门与隐藏层相乘的权重；、、和分别为遗忘门、输入门、输入节点和输出门的偏置向量；“”表示向量的元素按照相应的位置相乘；表示Sigmoid函数；为输入向量；为循环跳接模块中隐藏层输出；为循环跳接模块中记忆单元； 然后利用全连接层把循环和循环跳接模块的输出进行整合，至此非线性部分结束； 2在卷积模块引入通道注意力机制，将不同通道赋予各自的权值，形成通道注意力机制CA，并将所有通道信息加权求和获得卷积层的结果； 3在双向循环神经网络BiLSTM侧嵌入时序注意力机制TA。

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成都信息工程大学;南充市气象局，其通讯地址为：610225 四川省成都市西南航空港经济开发区学府路1段24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。