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！

龙图腾网获悉湖南高速铁路职业技术学院申请的专利高铁沿线大风预测方法及预测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：CN120744393B 。

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：202511183597.2，技术领域涉及：G06F18/20；该发明授权高铁沿线大风预测方法及预测系统是由王海军;贺维;廖一霖;邓明明;刘大芳;谢黔江;李飞燕;匡华云设计研发完成，并于2025-08-22向国家知识产权局提交的专利申请。

本高铁沿线大风预测方法及预测系统在说明书摘要公布了：高铁沿线大风预测方法及预测系统，涉及高铁大风预测技术领域。高铁沿线大风预测系统，包括多尺度分组表征模块、综合预测模块和数据增强模块；多尺度分组表征模块用于生成风速初步预测值；综合预测模块用于生成最终风速预测值；数据增强模块拓展原始风速数据集的多样性。高铁沿线大风预测方法，基于高铁沿线大风预测系统，步骤如下：多尺度数据分组；多维度注意力特征融合；计算初步预测值；计算最终预测值；联合优化训练；拓展原始风速样本；共识增强训练。本发明的优点在于：通过多尺度特征融合、动态自适应加权与无监督增强训练的协同设计，解决了高铁大风预测中突发风速漏报、噪声敏感、标注依赖三大核心问题，提升高铁线路运营效率与安全性。

本发明授权高铁沿线大风预测方法及预测系统在权利要求书中公布了：1.高铁沿线大风预测方法，其特征是，步骤如下： S01，多尺度数据分组：采用多尺度分组模块将原始风速序列S=｛s1，s2，…，sT｝按不同的时间窗长划分为多个子块，得到子块集合｛B1，B2，…，Bn｝，每个子块的时间步数Li由第i种尺度所对应的窗口长度决定； S02，多维度注意力特征融合：采用融合注意力模块针对划分的子块分别采用块内注意力机制和块间注意力机制进行处理，再将处理结果进行融合；其中，块内注意力机制对每个子块Bi计算自注意力权重矩阵，输出块内表征；其中，块间注意力机制用于跨子块计算全局相关性矩阵，输出块间表征；块内表征和块间表征通过逐元素相加生成融合表征； S03，计算初步预测值：采用多尺度预测模块用于将不同尺度的融合表征[p1，p2，…，pn]输入独立的多层感知机器，计算得到未来风速的初步预测值[x1，x2，…，xn]； S04，计算最终预测值：采用动态加权融合模块中的注意力系数生成器，为各尺度初步预测值xi生成注意力权重；再将各尺度初步预测值xi与其对应的权重相乘后求和，得到聚合结果；将聚合结果输入聚合结果优化模块进行非线性变换，输出未来风速的最终预测值x； S05，联合优化训练：基于联合损失函数中的全监督损失项计算最终预测值x与真实标签y的均方误差，基于联合损失函数中的一致性损失项计算各尺度初步预测值xi与最终预测值x的差异；最后将两者加权融合，以平衡两者的约束效果； S06，拓展原始风速样本：不分先后次序执行以下三项操作： A、基于时间规整模块调整时间样本的节奏，模拟风速演变的加速或缓速过程；时间规整模块首先对原始风速样本随机选择缩放因子，生成新样本长度；再根据原始风速样本的数据点，根据新时间轴进行插值，生成规整后的增强样本；增强样本输入至多尺度分组模块，并与原始风速序列共享模型； B、基于插值增强模块在原始数据点间插入虚拟采样点，丰富样本的细节特征；插值增强模块首先随机选取原始风速样本中的子区间，再在所述子区间中插入n个新数据点，生成平滑的增强样本；增强样本输入至多尺度分组模块，并与原始风速序列共享模型； C、基于噪声注入模块用于向原始数据中添加随机噪声，模拟传感器测量误差或环境干扰；噪声注入模块首先从高斯分布采样噪声，为原始样本标准差，再生成增强样本；增强样本输入至多尺度分组模块，并与原始风速序列共享模型； S07，共识增强训练：首先采用增强训练模块对每个原始样本S生成m个增强样本，再将所有的增强样本输入模型，得到增强预测值的集合，计算增强预测值均值，接着采用一致性损失函数强制所有增强预测值向群体均值收敛，实现无监督优化。

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湖南高速铁路职业技术学院，其通讯地址为：421002 湖南省衡阳市珠晖区三环东路南9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。