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！

龙图腾网获悉中国海洋大学申请的专利基于机器学习的港口波浪谱参数化建模算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：CN120850820B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202511357579.1，技术领域涉及：G06F30/27；该发明授权基于机器学习的港口波浪谱参数化建模算法是由刘汉泽;吕尚霖;孙建;马一诺;杜金泽设计研发完成，并于2025-09-23向国家知识产权局提交的专利申请。

本基于机器学习的港口波浪谱参数化建模算法在说明书摘要公布了：本发明公开了一种基于机器学习的港口波浪谱参数化建模算法，涉及海洋工程技术领域，本发明通过三步实现高精度建模：第一步构建联邦学习框架，各数据方训练子模型仅共享参数，结合同态加密融合特征并动态调整权重，实现隐私保护式数据融合；第二步在各本地节点部署生成式对抗网络，通过频域分层注意力分支网络提取多尺度波浪特征，植入海浪能量守恒约束并优化生成器，生成符合物理规律的极端样本，形成混合训练数据集；第三步训练CNN‑LSTM基础模型，通过滑动窗口、遗忘因子、贝叶斯优化及性能监控重构，实现模型动态优化。本发明有效提升波浪谱预测精度与长期稳定性，降低维护成本，可用于港口船舶靠泊、防灾预警等场景。

本发明授权基于机器学习的港口波浪谱参数化建模算法在权利要求书中公布了：1.基于机器学习的港口波浪谱参数化建模算法，其特征在于：包括以下步骤： S1：构建联邦学习框架，通过该框架实现多源异构港口波浪数据的隐私保护式融合，具体包括S11和S12；S11：各数据持有方基于本地的港口波浪数据分别训练子模型，各子模型仅向联邦学习框架的聚合节点共享模型参数，不共享原始数据；S12：在聚合节点设置同态加密特征融合层，对各子模型输出的波浪谱特征进行加密处理后完成特征聚合； S2：在联邦学习框架的各本地节点部署生成式对抗网络，利用频域分层注意力机制提取港口波浪的多尺度能量特征并对其进行物理约束，引导生成式对抗网络生成符合海浪动力学规律的极端海况样本，与S1输出的常规样本结合形成混合训练数据集，其中频域分层注意力机制的实现包括：构建含高频分支网络、中频分支网络与低频分支网络的多级分支结构，将港口波浪数据分解为高频风浪特征、中频混合浪特征与低频涌浪特征，高频分支网络采用卷积神经网络捕捉高频风浪的快速波动特征，中频分支网络采用门控循环单元学习中频混合浪的时序变化特征，低频分支网络采用长短期记忆网络提取低频涌浪的长期依赖特征，港口波浪数据包括，高频风浪频率，周期，中频混合浪，，低频涌浪，，且在生成式对抗网络的生成器中植入海浪能量守恒约束模块，海浪能量守恒约束模块的实现包括以下步骤：S23：计算生成样本的频谱积分值，该频谱积分值为生成样本在全频率范围内的能量积分结果；S24：获取生成样本对应的有效波高计算值，根据海浪动力学公式计算有效波高平方值；S25：对比频谱积分值与有效波高平方值的偏差，若偏差超过预设范围，则触发生成器参数微调，直至偏差满足预设范围； S3：基于混合训练数据集训练港口波浪谱参数化基础模型，基础模型输入为混合训练数据集，基础模型输出为对应波浪谱密度、谱峰频率、谱峰周期、谱宽度，并通过动态参数自适应优化机制对基础模型进行在线更新，最终输出精准的港口波浪谱参数化模型。

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国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。