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！

龙图腾网获悉太原理工大学申请的专利一种基于iTransformer的表层湍流通量智能预测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：CN119129429B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411361253.1，技术领域涉及：G06F30/27；该发明授权一种基于iTransformer的表层湍流通量智能预测方法是由李丹丹;董兴旺;郝江洋;赵振宇;王彬设计研发完成，并于2024-09-27向国家知识产权局提交的专利申请。

本一种基于iTransformer的表层湍流通量智能预测方法在说明书摘要公布了：本发明属于深度学习技术及大气科学技术领域，具体涉及一种基于iTransformer的表层湍流通量智能预测方法，包括下列步骤：原始通量气象数据获取；通量气象数据处理；构建预测模型；模型训练；模型评估。本发明方法中采用iTransformer模型，首先，嵌入编码方式的更改，通过对时间序列转置，将每个变量在所有时间点下的序列独立地嵌入到一个token中，以此更有效的捕捉通量气象数据中变量之间的相关性；其次，将多变量注意力机制与前馈神经网络职责进行倒置，倒置后的多变量注意力机制职责是捕获变量或时间序列之间的相关性，前馈神经网络职责是对每个时间序列进行编码和解码提取其内部特征，以此达到更好的预测性能。

本发明授权一种基于iTransformer的表层湍流通量智能预测方法在权利要求书中公布了：1.一种基于iTransformer的表层湍流通量智能预测方法，其特征在于，包括下列步骤： S1、原始通量气象数据获取；原始通量气象数据包括空气密度、风速、温度、压强、向上长波辐射、相对湿度、水含量、摩擦速度、感热通量和潜热通量； S2、通量气象数据处理：去除S1中获取的原始通量气象数据中存在的异常值和缺失值，并使用物理公式计算得到输入数据，输入数据包括风速、位温梯度、理查森数、水汽混合比变化及表层湍流通量观测值，对输入数据划分得到训练集、验证集和测试集； 位温梯度计算公式为： 其中，ΔQsurface_high是位温梯度，T是开尔文摄氏度，P0＝1000hPa表示标准大气压，P是高度h处所对应的气压，Lwout是向上长波辐射，ε＝1是发射率， σ＝5.673067×10-8是斯特藩-玻尔兹曼常数； 理查森数计算公式为： 其中，Ri是理查森数，g＝9.81是重力加速度，u和v是速度分量； 水汽混合比变化计算公式为： 其中Δq是水汽混合比变化，Mavail是土壤水分可用性，RH是相对湿度，es0＝6.11hPa是标准温度下的饱和水汽压，L＝2.5*106Jkg，L是0℃和1标准大气压下水的气化潜热，γ＝0.622是水蒸气和干空气分子量比值，P是大气压； qfc＝0.41是土壤能够保持的最大水分量； S3、构建预测模型：建立基于深度学习方法的iTransformer表层湍流通量智能预测模型；该模型的基本架构包括如下几层：输入层、嵌入编码层、iTransformer层、投影层及输出层，其中iTransformer层包含多变量注意力模块、前馈神经网络模块、层归一化；所述S3中构建预测模型包括： 输入层将风速、位温梯度、理查森数、水汽混合比变化及表层湍流通量标签数据传递至嵌入编码层； 嵌入编码层对输入数据进行转置编码，并将每个变量在所有时间点下的序列Embedding为token令牌； iTransformer层实现对表层湍流通量的预测，首先将嵌入编码层得到的token令牌传递至具有残差连接的多变量注意力模块；其次，多变量注意力模块能够有效捕捉输入变量风速、位温梯度、理查森数、水汽混合比变化与预测标签表层湍流通量之间的关系，通过线性投影获取Q、K、V∈RN×dk，使用Q和K点乘计算风速、位温梯度、理查森数、水汽混合比变化与表层湍流通量之间的分数，并得到表层湍流通量与输入变量之间相关性的分数矩阵A；然后，使用归一化策略减少输入数据的误差后传递到前馈神经网络模块中进行计算；并将计算结果进行层归一化及投影操作，最后将预测结果传递至输出层从而得到表层湍流通量的预测值； 所述分数矩阵A的计算公式为： 其中dk是投影维度，qi是第i个输入变量对应token的查询向量和键的具体表示，kj是第j个输入变量对应的token的查询向量和键的具体表示；得到的分数矩阵A∈RN×N表示第i个和第j个的输入变量之间的相关性； S4、模型训练：使用表层湍流通量预测值和真实值之间的均方误差MSE作为模型的损失函数，将S2得到的训练集和验证集输入至S3构建的预测模型进行训练，直到模型收敛； S5、模型评估：使用S2的测试集对S4收敛后的预测模型进行验证评估，计算表层湍流通量预测值和真实值之间的均方根误差RMSE、平均绝对误差MAE及皮尔逊相关系数R作为评价指标，并将结果分别与传统的MOST方法、现有的预测模型人工神经网络ANN进行对比。

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太原理工大学，其通讯地址为：030024 山西省太原市迎泽大街79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。