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！

龙图腾网获悉山东科技大学申请的专利一种机器学习耦合多源海气环境因子的台风路径模拟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：CN121031364B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511518437.9，技术领域涉及：G06F30/27；该发明授权一种机器学习耦合多源海气环境因子的台风路径模拟方法是由郭云霞;隋宝晓;方泳;李思琪;周夏如;王聪;杨孟颖设计研发完成，并于2025-10-23向国家知识产权局提交的专利申请。

本一种机器学习耦合多源海气环境因子的台风路径模拟方法在说明书摘要公布了：本发明公开了一种机器学习耦合多源海气环境因子的台风路径模拟方法，属于台风灾害模拟领域，本发明构建了融合海气环境因子的台风全路径机器学习预测模型。首先，通过整合海表温度、大气的垂直风切变、相对湿度、绝对涡度、垂直速度和引导气流等关键海气参量与台风路径和强度时序数据，结合P值阈值法选取了影响台风路径与强度的显著因子；然后，基于逻辑回归模型、反向传播神经网络、循环神经网络和支持向量机机器学习模型，结合超参数调优方案，分别构建了台风在生成阶段、移动阶段、强度演变阶段和衰减阶段的全路径四阶段最优预测模型。相比传统的统计模型，本发明的机器学习模型能够更好地捕捉台风与环境场之间的复杂相互作用机制。

本发明授权一种机器学习耦合多源海气环境因子的台风路径模拟方法在权利要求书中公布了：1.一种机器学习耦合多源海气环境因子的台风路径模拟方法，其特征在于，引入海气环境因子构建基于机器学习的台风全路径预测模型，该模型包括四个子模型，分别为台风生成模型、台风移动速度预测模型、台风强度预测模型和陆地衰减模型；在模型的构建过程中结合P值阈值法选取影响台风路径与强度的显著因子；所述台风全路径预测模型用于模拟生成完整的台风路径； 所述台风移动速度预测模型包括台风经向移动速度预测模型和台风纬向移动速度预测模型，分别用于模拟台风经向和纬向移动速度的动态变化；构建过程为： 经向移动速度预测模型和纬向移动速度预测模型分别取当前时刻的经向速度和纬向速度作为因变量，选取前面两个时刻的台风经向移动速度和纬向移动速度、台风中心经度和中心纬度、引导气流、海表温度、绝对涡度、相对湿度、垂直风切变和垂直速度海气环境因子作为自变量，用统计模型表示为： ； ； 其中，至均表示回归系数；为台风中心经度；为台风中心纬度；为台风经向移动速度；为台风纬向移动速度；为引导气流的经向速度；为引导气流的纬向速度；、、表示不同的时刻，与之间的间隔为6小时；为海表温度；为850hpa气压层的绝对涡度；为600hpa气压层的相对湿度；为500hpa气压层的垂直速度；为200hpa气压层与850hpa气压层之间的垂直风切变； 引导气流的经向、纬向速度如下公式所示： ； ； 其中，、、、、为各气压层5°环带上的平均大气环境经向风速；、、、、为各气压层5°环带上的平均大气环境纬向风速； 采用P值阈值法对台风移动速度预测模型的输入参数进行显著性分析；具体过程为：将西北太平洋的研究区域划分为5°×5°的网格，根据每个网格建立的台风经向和纬向移动速度的拟合模型，以P值是0.05为界，选出每个网格内台风移动速度的显著因子，然后统计每一个显著因子在所有网格内出现的频数；选择在所有网格中频数超过20的显著因子作为经向和纬向移动速度预测模型的最终输入因子，最终每一个网格内台风经向和纬向移动速度预测公式简化为如下公式： ； ； 针对台风经向和纬向移动速度预测模型分别使用反向传播神经网络BPNN、循环神经网络RNN、支持向量机SVM三种不同的机器学习模型进行建模，然后通过敏感性实验，进行参数调优，最终为每个网格选择最优的机器学习模型和对应的模型最优参数；BPNN和RNN需要调优的参数包括隐藏层的节点数、传递函数和训练函数；SVM需要调优的参数为核函数； 敏感性实验具体采用决定系数和均方根误差作为评估指标；计算每种机器学习模型每个网格预测结果与目标结果之间的决定系数和均方根误差；选择决定系数最大和均方根误差最小对应的机器学习模型作为当前网格的最优机器学习预测模型。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。