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！

龙图腾网获悉涂成银;张孟;白淑敏;戴秉佑申请的专利基于集成深度学习的冬季沥青路面路表温度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：CN115495816B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202211041412.0，技术领域涉及：G06F30/13；该发明授权基于集成深度学习的冬季沥青路面路表温度预测方法是由涂成银;张孟;白淑敏;戴秉佑设计研发完成，并于2022-08-29向国家知识产权局提交的专利申请。

本基于集成深度学习的冬季沥青路面路表温度预测方法在说明书摘要公布了：本发明涉及一种基于集成深度学习的冬季沥青路面路表温度预测方法，属于公路交通气象监测技术领域。该方法包括：根据相关系数法与专家知识，选择对路面温度产生累积影响的气象因素；利用滑动窗口的方法切分时间序列数据，构造监督学习样本；采用获得的监督学习样本对集成深度学习的冬季沥青路面路表温度预测模型进行训练；集成深度学习的冬季沥青路面路表温度预测方法包括用LSTM神经网络模块、GRU神经网络模块、特征融合层和全连接层；利用训练后的模型对逐时路表温度进行预测。本发明通过融合多维气象因素的累积影响和路表温度周期性的集成深度学习网络，提升路表温度的准确率和鲁棒性，具有数据驱动、自学习、多粒度预测等技术特点。

本发明授权基于集成深度学习的冬季沥青路面路表温度预测方法在权利要求书中公布了：1.基于集成深度学习的冬季沥青路面路表温度预测方法，其特征在于，包括如下步骤： 步骤1，基于斯皮尔曼相关系数与路面热力学理论，选择对路面温度产生累积影响的气象因素； 步骤2，利用滑动窗口的方法切分产生累积影响的气象因素冬季历史时间序列数据及路表温度冬季历史时间序列数据，构造监督学习样本； 步骤3，采用步骤2获得的监督学习样本对基于集成深度学习的冬季沥青路面路表温度预测模型进行训练； 所述的基于集成深度学习的冬季沥青路面路表温度预测模型包括LSTM神经网络模块、GRU神经网络模块、特征融合层和全连接层； 基于集成深度学习的冬季沥青路面路表温度预测模型采用LSTM神经网络模块提取气象因素的累积影响特征，采用GRU神经网络模块提取路表温度的周期性特征，之后利用特征融合层将提取出的周期性特征和累积影响特征融合为一个特征向量，最后，通过两个全连接层输出未来后的路表温度；其中，LSTM神经网络模块的输入为累积影响特征矩阵； GRU神经网络模块的输入为周期性特征矩阵； 步骤4，实时采集对路面温度产生累积影响的气象因素数据，利用集成深度学习模型对高速公路路表温度进行预测； 步骤3中，累积影响特征矩阵如式1所示： 1其中，n为累积影响的滑动窗口大小，表征历史前n小时，表示气象站在时间t观测到的气温，从时间t‑n到当前时间t观测到的历史气温表示为； 表示气象站在时间t观测到的湿度；从时间t‑n到当前时间t观测到的历史湿度表示为； 表示气象站在时间t观测到的风速；从时间t‑n到当前时间t观测到的历史风速表示为; 表示气象站在时间t观测到的降雨量；从时间t‑n到当前时间t观测到的历史降雨量表示为; 周期性特征矩阵如式2所示： 2其中，m为周期性特征影响的滑动窗口大小，表征历史前m天，表示气象站在时间t观测到的路表温度，表示预测的时间间隔。

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涂成银;张孟;白淑敏;戴秉佑，其通讯地址为：473009 河南省南阳市宛城区光武东路34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。