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;安徽大学申请的专利一种融合量子计算和深度学习模型的短时降水临近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：CN121009349B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511543848.3，技术领域涉及：G06F18/213；该发明授权一种融合量子计算和深度学习模型的短时降水临近预报方法是由曹乐;王哲;杨名;于铖鑫;徐力强设计研发完成，并于2025-10-28向国家知识产权局提交的专利申请。

本一种融合量子计算和深度学习模型的短时降水临近预报方法在说明书摘要公布了：本发明提供了一种融合量子计算和深度学习模型的短时降水临近预报方法，属于短时降水临近预报领域，步骤如下：首先提取目标区域的降水量和气象要素的长期历史数据，然后将拟预报时刻的降水量作为预测目标量，拟预报时刻前M小时的气象要素和降水量作为模型输入特征量。之后采用量子计算方法将拟预报时刻前M小时的气象要素和降水量变成有关拟预报时刻降水量的高维量子概率特征。最后以量子线路降水量概率信息为输入、未来1小时的降水量为输出，构建并训练短时降水临近预报模型，本发明利用量子线路和量子叠加态，将经典数据映射到高维量子希尔伯特空间，可规避局部最优解陷阱，显著降低计算负担，实现海量高维气象特征输入条件下的短时降水预报。

本发明授权一种融合量子计算和深度学习模型的短时降水临近预报方法在权利要求书中公布了：1.一种融合量子计算和深度学习模型的短时降水临近预报方法，其特征在于，包括以下步骤： S1、提取ERA5全球再分析资料中目标区域的降水量和气象要素的长期历史数据，并进行预处理； S2、基于长期历史数据，构建短时降水临近预报数据集：将拟预报时刻的降水量作为预测目标量，拟预报时刻前M小时的气象要素和降水量作为模型输入特征量； S3、生成量子线路，采用量子计算方法将拟预报时刻前M小时的气象要素和降水量转换成拟预报时刻降水量的高维量子概率特征；具体是：建立量子线路，输入维度D为每个时刻所有输入特征的总数，设置量子线路比特数为log2D；同时设置编码类型为振幅编码，并预设输出维度； 将输入特征数据映射到不同量子态振幅上，将高维输入数据嵌入到量子态的概率幅中，实现输入数据的量子化； 运行量子电路，测量所有量子比特的期望值，得到所有量子线路降水量概率信息； S4、以量子线路降水量概率信息为输入、未来1小时的降水量为输出，构建并训练短时降水临近预报模型，短时降水临近预报模型包括：顺序连接的输入层、第一至三卷积层、回归输出层，第一卷积层包括顺序连接的第一卷积模块、第一池化层、以及第一遗忘层；第二卷积层包括顺序连接的第二卷积模块、第二池化层、以及第二遗忘层；第三卷积层包括顺序连接的第三卷积模块、全局平均池化层、以及展平层； 所述回归输出层包括：第一至三全连接层，第三至四遗忘层、第一至三激活函数层、逆变换层；第一全连接层后顺序连接第一激活函数层、第三遗忘层、第二全连接层、第二激活函数层、第四遗忘层、第三全连接层、第三激活函数层、以及逆变换层；逆变换层输出未来1小时降水量预报值； 第一遗忘层和第二遗忘层为一种用于防止过拟合的正则化技术，遗忘率d=0.2；在训练期间，以dropout_rate的概率随机地将该层中的一些神经元的输出置为0，第三和第四遗 忘层的遗忘率分别设置为d=0.3和d=0.15。

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;安徽大学，其通讯地址为：210032 江苏省南京市江北新区宁六路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。