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！

龙图腾网获悉中国科学院地理科学与资源研究所申请的专利一种微调预训练大模型进行风力发电预测的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：CN120450148B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202510634801.1，技术领域涉及：G06Q10/04；该发明授权一种微调预训练大模型进行风力发电预测的方法是由姜侯;姚凌;刘唐设计研发完成，并于2025-05-16向国家知识产权局提交的专利申请。

本一种微调预训练大模型进行风力发电预测的方法在说明书摘要公布了：本申请公开了一种微调预训练大模型进行风力发电预测的方法，该方法包括：获取历史多维时间序列数据集，通过滑动窗口进行时空特征融合生成风速趋势序列；基于相邻时间窗口的风速梯度，利用归一化函数生成步长调整参数；基于步长调整参数对预训练时序预测模型进行动态参数调整，结合分层迁移学习策略，通过自适应优化算法调整所述时序预测模型的顶层网络参数，得到优化后时序预测模型；利用优化后的模型对实时多维时间序列数据集进行处理，生成风力发电预测结果。通过动态调整模型参数及分层迁移学习策略，有效提升风力发电预测的精度和模型适配能力，适用于风力发电领域的时序预测场景。

本发明授权一种微调预训练大模型进行风力发电预测的方法在权利要求书中公布了：1.一种微调预训练大模型进行风力发电预测的方法，其特征在于，所述方法包括： 获取历史多维时间序列数据集，并利用通过滑动窗口进行时空特征融合，生成风速趋势序列； 基于所述风速趋势序列中相邻时间窗口的风速梯度，利用归一化函数生成步长调整参数； 基于所述步长调整参数对预训练时序预测模型进行动态参数调整，并结合分层迁移学习策略，通过自适应优化算法调整所述时序预测模型的顶层网络参数，得到优化后时序预测模型； 获取实时多维时间序列数据集，利用所述优化后时序预测模型生成风力发电预测结果； 其中，所述结合分层迁移学习策略，通过自适应优化算法调整所述时序预测模型的顶层网络参数，得到优化后时序预测模型，包括： 将所述时序预测模型的网络结构按层级深度划分为底层特征提取层和顶层预测适配层； 冻结所述底层特征提取层的网络参数，并通过预设损失函数对所述顶层预测适配层的全连接参数进行动态优化，得到适配层元参数集； 采用基于元学习策略的自适应优化器对所述适配层元参数集进行多阶段渐进式微调，得到优化后时序预测模型，其中多阶段渐进式微调包含至少两个调参阶段的多步骤优化过程，第一阶段采用历史风速数据分布拟合进行参数初始化，第二阶段通过实时数据流进行在线梯度修正，且通过KL散度约束项维持迁移学习过程中所述时序预测模型与所述优化后时序预测模型之间的参数分布一致性。

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科学院地理科学与资源研究所，其通讯地址为：100101 北京市朝阳区大屯路甲11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。