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！

龙图腾网获悉中南大学;中交建冀交高速公路投资发展有限公司申请的专利一种多点位风速时空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：CN119168112B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202410996725.4，技术领域涉及：G06Q10/04；该发明授权一种多点位风速时空预测方法及系统是由敬海泉;胡采薇;何旭辉;游燕燕;张永利;曾世钦设计研发完成，并于2024-07-24向国家知识产权局提交的专利申请。

本一种多点位风速时空预测方法及系统在说明书摘要公布了：本发明涉及区域风速预测技术领域，公开了一种多点位风速时空预测方法及系统，包括：采集多个测点的地理参数、风力参数和气象参数，得到各测点的监测数据序列；确定测点的空间阵列布局，并抽取测点的监测数据序列与对应空间位置信息进行预处理，得到风速数据序列；抽取预处理的测点风速数据序列作为样本，对基于Transformer和N‑S方程的物理信息神经网络进行训练，借助自注意力机制的Transformer模型捕获风速数据序列中的长期依赖关系，并依据N‑S方程学习风速变化的物理规律，得到风速预测模型；采用所述多点位风速时空预测模型对风速数据序列进行预测得到预测风速结果；本发明解决了现有的风速预测方法存在忽略风速空间相关性，考虑风速变化的物理机制不完全的问题。

本发明授权一种多点位风速时空预测方法及系统在权利要求书中公布了：1.一种多点位风速时空预测方法，其特征在于，包括： 在目标工程项目局部区域中确定N个测点，获取每个测点的地理参数、风力参数和气象参数，并基于所述地理参数、所述风力参数和所述气象参数确定测点的监测数据序列，其中，N为大于1的整数； 基于测点的空间阵列布局确定测点的空间位置信息，并对测点的所述监测数据序列和所述空间位置信息进行预处理得到测点的风速数据序列，基于所有测点的所述风速数据序列构建训练样本； 构建基于Transformer的物理信息神经网络模型，并构建学习风速变化规律的N-S方程，将N-S方程嵌入基于Transformer的物理信息神经网络模型中得到风速预测模型； 利用所述训练样本对所述风速预测模型进行训练得到训练完成的风速预测模型，并将测点的风速数据序列输入训练完成的风速预测模型中得到测点的预测风速结果； 其中，所述构建学习风速变化规律的N-S方程，将N-S方程嵌入基于Transformer的物理信息神经网络模型中得到风速预测模型，包括： 构建关于不可压缩气体的N-S方程，其中，N-S方程满足如下关系式： ；； 式中，t表示时间变量，u，v分别表示气体水平和垂直速度分量，p表示压强变量，表示密度，表示粘度，F表示其它外力，x、y分别表示空间坐标变量和气体流动的位置，表示对某个变量的偏导数； 在自然风的应用中，N-S方程中的粘度参数被忽略，主要的外力为气压梯度力和科里奥利力，此时，对N-S方程进行简化，简化后的N-S方程满足如下关系式： ； ； 式中，表示科里奥利系数，且，表示地球自转角速度，表示地球纬度值，t表示时间变量，u，v分别表示气体水平和垂直速度分量，p表示压强变量，表示密度，x、y分别表示空间坐标变量和气体流动的位置，∂表示对某个变量的偏导数； 同时，自然风为流体，流体遵循连续性方程，其连续性方程满足如下关系式： ； 式中，t表示时间变量，u、v分别表示气体水平和垂直速度分量，表示密度，x、y分别表示空间坐标变量和气体流动的位置，表示对某个变量的偏导数； 将连续性方程代入简化后的N-S方程中，可得N-S方程的残差，其残差满足如下关系式： 式中，，，分别表示N-S方程在水平速度分量u、垂直速度分量v和连续性方程上的残差，t表示时间变量，u、v分别表示气体水平和垂直速度分量，表示科里奥利系数，p表示压强变量，x、y分别表示空间坐标变量和气体流动的位置，∂表示对某个变量的偏导数； 将N-S方程的残差嵌入基于Transformer的物理信息神经网络模型中，得到风速预测模型的损失函数，其中，损失函数满足如下关系式： ； 式中，L为风速预测模型的损失函数，Le和Li分别表示方程偏微分结构和真实数据条件对应的损失函数分量，N表示训练数据的数量，表示第i个方程在第n个数据点的残差，表示第n个数据点的预测值，表示第n个数据点的真实数据权重系数α和β用于平衡损失函数的两项分量。

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中南大学;中交建冀交高速公路投资发展有限公司，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。