南京信息工程大学荣欢获国家专利权
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!
龙图腾网获悉南京信息工程大学申请的专利针对特征过少地区冰雹强度的长时间序列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:CN116662683B 。
龙图腾网通过国家知识产权局官网在2025-11-11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:202310633649.6,技术领域涉及:G06F16/9537;该发明授权针对特征过少地区冰雹强度的长时间序列预测方法是由荣欢;岳璐;蒋薇设计研发完成,并于2023-05-31向国家知识产权局提交的专利申请。
本针对特征过少地区冰雹强度的长时间序列预测方法在说明书摘要公布了:本发明提出一种针对特征过少地区冰雹强度的长时间序列预测方法,用于解决传统时间序列预测模型因为输入数据和特征越少,而产生的冗余信息和过度拟合,并且输入数据过长导致训练时间复杂度、空间复杂度以及内存使用量过大的问题,针对informer模型进行改进,提出一种应用于气象领域的长时间序列预测模型。通过利用基于MPD的多粒度注意力机制以及SPH机制,修剪消除头中的冗余信息,并且利用ProbSparse自我注意力机制以及自我蒸馏操作减少编码器中的时间复杂度、空间复杂度以及内存使用量,对预测时因为输入数据和特征越少,而产生的冗余信息和过度拟合进行修正,以提高预测的效率和精确度。
本发明授权针对特征过少地区冰雹强度的长时间序列预测方法在权利要求书中公布了:1.针对特征过少地区冰雹强度的长时间序列预测方法,其特征在于,基于informer模型包含编码器和解码器,对informer模型进行如下改进,编码器的输入端接收目标地区的历史时间序列,编码器包括依次相连的注意力模块、切片模块、蒸馏模块,编码器的输出端与蒸馏模块的输入端相连,解码器的输入端与蒸馏模块的输出端相连;注意力模块接收序列矩阵,将其转换为单头注意力并输出至切片模块;切片模块接收序列矩阵和单头注意力,将其转换为多头注意力并输出至蒸馏模块;蒸馏模块接收序列矩阵对其进行蒸馏获得新序列矩阵,蒸馏模块接收多头注意力,对其修剪注意力头,获得新的多头注意力;将新序列矩阵和新的多头注意力输出至解码器,解码器输出预测序列; 基于所述改进后的informer模型,获取目标地区在历史时间段内的历史冰雹强度数据和历史气象信息数据,构建包含目标地区的历史冰雹强度序列数据以及目标地区的历史气象信息数据的数据集,利用数据集对改进后的informer模型进行训练,得到训练完成的冰雹强度预测模型,具体包括以下步骤: 步骤1、获取目标地区在历史时间段内的历史冰雹强度数据和历史气象信息数据,并对其进行预处理和归一化操作,获得目标地区在历史时间段内预设时间间隔的历史冰雹强度时间序列Xt;对冰雹强度时间序列Xt进行统一转换,获得目标地区在历史时间段内的冰雹强度序列矩阵其中,t表示每个时间间隔的坐标在时间序列中的位置; 步骤2、将冰雹强度序列矩阵输入到注意力模块中,并在ProbSparse自我注意力机制中构建依赖关系,得到单头注意力矩阵AttentionQ,K,V; 步骤3、将冰雹强度序列矩阵和单头注意力矩阵AttentionQ,K,V输入到切片模块中,通过对冰雹强度序列矩阵进行切片并输入至基于多感知域MPD的多粒度注意力机制,将单头注意力矩阵AttentionQ,K,V转化为具有不同粒度的多头注意力MultiHeadQ,K,V; 步骤4、将多头注意力MultiHeadQ,K,V和冰雹强度序列矩阵输入至蒸馏模块中,针对多头注意力MultiHeadQ,K,V,通过修剪注意力头以消除头部冗余信息,得到新的多头注意力MultiHeadnewQ,K,V;对冰雹强度序列矩阵进行蒸馏操作,获得新序列矩阵 步骤5、将新的多头注意力MultiHeadnewQ,K,V和新序列矩阵输入至解码器中,针对编码器中新的多头注意力MultiHeadnewQ,K,V,编码器和解码器的注意力层进行特征交互,将新序列矩阵输入到解码器中的多头注意力层中,同时在解码器中输入由及组成的动态采样序列其中,为编码器输入的后半部分,序列数值为零,解码器使用生成式解码方法,得到目标地区在目标时刻的预测冰雹强度序列Yt; 步骤6、将目标地区的历史冰雹强度序列数据以及目标地区的历史气象信息数据作为输入,对应的目标地区的未来冰雹强度序列作为输出,利用数据集对待训练冰雹强度预测模型进行训练,得到训练完成的冰雹强度预测模型。
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南京信息工程大学,其通讯地址为:210044 江苏省南京市宁六路219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。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励