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！

龙图腾网获悉南京信息工程大学申请的专利一种利用随机掩码和Transformer改进的短临降水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：CN116051857B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202310057412.8，技术领域涉及：G06V10/44；该发明授权一种利用随机掩码和Transformer改进的短临降水预报方法是由方巍;齐媚涵设计研发完成，并于2023-01-14向国家知识产权局提交的专利申请。

本一种利用随机掩码和Transformer改进的短临降水预报方法在说明书摘要公布了：本发明公开一种利用随机掩码和Transformer改进的短临降水预报方法，属于降水预测领域；一种利用随机掩码和Transformer改进的短临降水预报方法包括：S1，随机掩码时空序列图像；S2，构建网络模型，并将掩码标记后的时空序列图像输入网络进行模型训练；网络模型包括以UNet为核心模型的编码器‑解码器结构，在编码器中嵌入了SwinTransformer模块，并引入了SENet注意力机制；S3，模型训练过程中，输入图像通过前向传播过程得到预测值，然后根据损失函数进行反向调优不断对模型进行微调，最小化损失函数，实现模型的准确预测能力；S4，训练过程中使用L1+L2正则化，以防止过拟合。提高建模时空序列中的高阶非平稳性并同时学习时空序列中的短期和长期依赖信息，提高模型的预测准确性。

本发明授权一种利用随机掩码和Transformer改进的短临降水预报方法在权利要求书中公布了：1.一种利用随机掩码和Transformer改进的短临降水预报方法，其特征在于，包括以下步骤： S1，随机掩码时空序列图像； S2，构建网络模型，并将掩码标记后的时空序列图像输入网络进行模型训练；网络模型包括以UNet为核心模型的编码器‑解码器结构，在编码器中嵌入了SwinTransformer模块，并引入了SENet注意力机制； S3，模型训练过程中，输入图像通过前向传播过程得到预测值，然后根据损失函数进行反向调优不断对模型进行微调，最小化损失函数，实现模型的准确预测能力； S4，训练过程中使用L1+L2正则化，以防止过拟合； S2中，编码器包括双卷积操作、最大池化操作、SwinTransformer模块和SENet注意力机制；双卷积操作用于将图像的特征通道数加倍，最大池化用于将特征图的尺寸减半，四个双卷积操作和最大池化操作交错排列，以学习时空序列中的短期依赖信息；在编码器的最后部分嵌入SwinTransformer模块，用于学习时空序列中的长期依赖信息；在每一层的双卷积和最大池化操作之间引入了SENet注意力机制，以关注通道维度上的重要信息并抑制对当前任务不重要的次要信息； S2中，Swin Transformer模块包括Patch Partition、Linear Embedding和Swin Transformer Block；首先图片序列通过Patch Partition层进行分块处理，将特征图划分为多个不相交的区域，然后通过Linear Embedding层对每个像素的通道数据进行线性变换，最后通过SwinTransformer Block层进行特征提取； 所述SENet注意力机制包括Squeeze和Excitation两个操作，首先对卷积得到的特征图进行Squeeze操作以获得通道维度上的全局特征，然后对得到全局特征进行Excitation操作以学习各个通道之间的关系以及不同通道所占的权重大小，再利用得到的权重乘以最初的特征图以得到最终的特征。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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。