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！

龙图腾网获悉浙江工业大学申请的专利基于重构与分解的钱塘江涌潮协同预测方法及系统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：CN120724092B 。

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：202511164804.X，技术领域涉及：G06F18/20；该发明授权基于重构与分解的钱塘江涌潮协同预测方法及系统是由王丽萍;王辉设计研发完成，并于2025-08-20向国家知识产权局提交的专利申请。

本基于重构与分解的钱塘江涌潮协同预测方法及系统在说明书摘要公布了：本发明公开一种重构与分解的钱塘江涌潮协同预测方法及系统。本发明方法首先对原始不规则的潮汐事件流进行数据重构，通过构建“涨潮事件对”，并将潮汐事件之间的时间差转化为数值特征，从而生成一个包含潮位和时间动态的规则化多元时间序列。随后，将该序列输入至一个集成了自适应周期分解与多尺度时序变化学习的深度学习模型中。该模型通过一个协同预测解码器，一次性输出未来高低潮位、涨潮历时和潮汐周期的预测值，并最终还原为精确的涌潮高度和到达时间。本发明通过数据重构，将不规则的潮汐预测问题转化为规则的多元时间序列预测任务，实现了对涌潮高度和到达时间的协同预测。

本发明授权基于重构与分解的钱塘江涌潮协同预测方法及系统在权利要求书中公布了：1.一种基于重构与分解的钱塘江涌潮协同预测方法，其特征在于，包括： S1、对钱塘江历史潮汐事件的原始时序数据进行重构，将每一个低潮事件与紧随其后的第一个高潮事件配对构成一个涨潮事件对，提取每个涨潮事件对的低潮潮位、高潮潮位、涨潮历时、潮汐周期、年内日、农历日一共六个变量维度的特征并进行归一化，得到由六条单变量时间序列组成的多元时间序列； S2、将多元时间序列输入经过训练的涌潮协同预测模型，依次经过多个堆叠的动态局部-全局学习模块和预测解码器，每个所述动态局部-全局学习模块内部先将每个变量维度的单变量时间序列输入自适应周期分解模块，得到多个代表不同频率特性的周期分量，然后将每个周期分量输入多尺度时序变化学习模块，并行地从每一个所述周期分量中提取全局特征和局部特征后进行融合，再将所有周期分量的融合特征向量输入自适应聚合模块进行二维卷积和重加权，得到每个变量维度的最终特征表示，最后将六个变量维度的最终特征表示输入多变量交互聚合模块进行变量维度之间的交互聚合，以交互聚合特征作为模块输出；预测解码器接收最后一个动态局部-全局学习模块输出的交互聚合特征，并通过全连接层将其映射为预测窗口中涨潮事件对的低潮潮位、高潮潮位、涨潮历时和潮汐周期，进而按时序依次计算预测窗口内的每个潮汐事件的潮位和时间。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区朝晖六区潮王路18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。