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！

龙图腾网获悉深圳大学申请的专利一种降水时空预测方法及电子设备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：CN114118538B 。

龙图腾网通过国家知识产权局官网在2025-11-18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：202111328633.1，技术领域涉及：G06F18/20；该发明授权一种降水时空预测方法及电子设备是由韩京成;郑文婷;周洋;李兵;黄跃飞设计研发完成，并于2021-11-10向国家知识产权局提交的专利申请。

本一种降水时空预测方法及电子设备在说明书摘要公布了：本申请公开了一种降水时空预测方法及电子设备。该方法包括：获取降水观测数据、获取降水空间预报因子、获取时空变异参数的先验分布；根据降水观测数据和降水空间预报因子，建立广义线性回归模型；构建高斯过程模型；根据广义线性回归模型、高斯过程模型以及时空变异参数的先验分布，构建贝叶斯层次模型，确定空间点降水量在观测条件下的后验概率分布形式；根据后验概率分布形式，确定空间点降水量预测结果。本申请通过将能反映空间变化的降水空间预报因子和时空变异参数融入广义线性回归模型中，并利用离散的降水观测站点的降水观测数据，构建贝叶斯层次模型，能够有效表征降水时间动态变化，反映降水相关参数空间变异过程。

本发明授权一种降水时空预测方法及电子设备在权利要求书中公布了：1.一种降水时空预测方法，其特征在于，所述方法包括： 获取降水观测数据、降水空间预报因子、时空变异参数的先验分布； 根据所述降水观测数据和所述降水空间预报因子，建立广义线性回归模型； 构建高斯过程模型； 根据所述广义线性回归模型、所述高斯过程模型以及所述时空变异参数的先验分布，构建贝叶斯层次模型，确定空间点降水量在观测条件下的后验概率分布形式； 根据所述后验概率分布形式，确定空间点降水量预测结果； 其中，所述获取时空变异参数的先验分布，包括：初始化时空变异参数，将所述时空变异参数设定在预设范围，其中，所述时空变异参数符合逆伽马分布；指定所述时空变异参数的逆伽马分布的超参数，得到所述时空变异参数的先验分布； 所述方法还包括：筛选出具有显著相关性的降水空间预报因子； 所述根据所述降水观测数据和所述降水空间预报因子，建立广义线性回归模型，包括： 根据所述降水观测数据和所述具有显著相关性的降水空间预报因子，建立广义线性回归模型，包括： 为所述降水观测数据矩阵的转置,为平均动态过程，为白噪声，，服从以0为期望值，以σε2为标准差的正态分布，σε2为时空变异第一参数，α为截距，为对应协变量预报因子的空间变化参数，为对角矩阵，对角线上的元素代表某空间位置上降水空间预报因子的值，1≤i≤n，n为降水观测站点数目，m为所述筛选出的具有显著相关性的降水空间预报因子的数目，为空间相关的随机误差项； 所述构建高斯过程模型，包括： 所述广义线性回归模型的参数和的变异服从高斯过程，获得以高斯过程表示的空间变化过程如下： 为空间相关的随机误差项，为对应协变量预报因子的空间变化参数，1≤i≤n，n为降水观测站点数目，GP表示高斯过程，为时空变异第二参数，为时空变异第三参数，公式如下 其中，si和sj为空间中任意两个点的空间位置，||si-sj||为两个空间位置之间的距离；参数Φ为时空变异第四参数，参数ν为时空变异第五参数，当距离变化时，参数Φ为相关性的衰减程度，参数ν表示随机场的平滑程度；Гν为标准的伽马函数，K为ν阶的第二类贝塞尔函数； 所述根据所述后验概率分布形式，确定空间点降水量预测结果，包括： 通过马尔可夫链蒙特卡罗MCMC抽样方法对所述后验概率分布形式进行抽样，以确定空间点降水量预测结果，其中，所述马尔可夫链蒙特卡罗MCMC抽样方法，包括：抽样获得各空间位置降水预测的后验分布，计算所述后验分布的均值统计量，将所述均值统计量确定为所述空间点降水量预测结果。

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深圳大学，其通讯地址为：518061 广东省深圳市南山区南海大道3688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。