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！

龙图腾网获悉江苏省气候中心申请的专利一种融合CLDAS的AttnConvLSTM土壤墒情智能预报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：CN120873509B 。

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：202511403400.1，技术领域涉及：G06F18/20；该发明授权一种融合CLDAS的AttnConvLSTM土壤墒情智能预报方法是由徐敏;何亮;伍翥嵘;徐忆菲;张树伟;颜士敏;徐乐;魏晓奕;王展;薛丹;徐经纬;卢业伟设计研发完成，并于2025-09-29向国家知识产权局提交的专利申请。

本一种融合CLDAS的AttnConvLSTM土壤墒情智能预报方法在说明书摘要公布了：本发明公开了一种融合CLDAS的AttnConvLSTM土壤墒情智能预报方法，包括：收集CLDAS的土壤墒情数据和气象观测站观测相应区域的气象数据；采用皮尔逊相关系数和格兰杰因果检验对气象数据与土壤墒情数据之间的关系进行分析，筛选出高相关性的气象数据；构建AttnConvLSTM土壤墒情预测模型，以高相关性的气象数据作为输入、以相应的土壤墒情数据作为标签值，结合降水距平的空间注意力，训练AttnConvLSTM土壤墒情预测模型，直至均方误差损失函数收敛；实时获取气象观测站预报的气象数据和降水距平，输入训练好的AttnConvLSTM土壤墒情预测模型中，预测出相应区域的土壤墒情。本发明实现对土壤墒情的高精度、鲁棒性预测。

本发明授权一种融合CLDAS的AttnConvLSTM土壤墒情智能预报方法在权利要求书中公布了：1.一种融合CLDAS的AttnConvLSTM土壤墒情智能预报方法，其特征在于，包括如下步骤： 步骤S1：收集CLDAS的土壤墒情数据和气象观测站观测相应区域的气象数据； 步骤S2：采用皮尔逊相关系数和格兰杰因果检验对气象数据与土壤墒情数据之间的关系进行分析，筛选出高相关性的气象数据； 步骤S3：构建基于Seq2Seq的AttnConvLSTM土壤墒情预测模型； 步骤S4：以高相关性的气象数据作为AttnConvLSTM土壤墒情预测模型的输入、以相应的土壤墒情数据作为标签值，结合降水距平的空间注意力，训练AttnConvLSTM土壤墒情预测模型，直至均方误差损失函数收敛，完成对AttnConvLSTM土壤墒情预测模型的训练； 步骤S5：实时获取气象观测站预报的气象数据和降水距平，输入训练好的AttnConvLSTM土壤墒情预测模型中，预测出相应区域的土壤墒情； 所述AttnConvLSTM土壤墒情预测模型包括：编码器和解码器，所述编码器由多层AttnConvLSTM单元堆叠组成，将高相关性的气象数据和降水距平编码成含有时空特征的上下文向量；所述解码器采用与编码器相同的AttnConvLSTM单元，将含有时空特征的上下文向量结合降水距平逐步生成土壤墒情图； 所述AttnConvLSTM单元均包括：ConvLSTM和注意力模块，所述注意力模块根据降水距平和T-1时刻下的隐藏状态和计算空间注意力权重矩阵；所述ConvLSTM根据高相关性的气象数据和T-1时刻下的隐藏状态计算输入门、遗忘门、输出门和候选细胞状态，利用空间注意力权重矩阵对候选细胞状态进行空间上的加权调制，结合输入门和遗忘门更新细胞状态，再结合输出门得到T时刻下的隐藏状态； 所述空间注意力权重矩阵的计算过程为： 将降水距平P和T-1时刻下的隐藏状态HT-1进行通道维度上的拼接，得到T时刻下的多通道特征图CombinedT=ConcatHT-1，P，其中，Concat表示拼接操作； 利用1×1卷积层对多通道特征图CombinedT进行非线性变换和压缩，映射为单通道的初步注意力得分图ScoreT=σWpCombinedT+bp，其中，Wp表示卷积层可学习卷积核的参数，bp表示卷积层可学习卷积核的偏置，σ表示Sigmoid函数； 对初步注意力得分图ScoreT进行Softmax归一化处理，得到空间注意力矩阵=SoftmaxScoreT。

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江苏省气候中心，其通讯地址为：210019 江苏省南京市建邺区沙洲街道雨顺路8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。