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！

龙图腾网获悉上海大学;上海大学绍兴研究院申请的专利一种基于经验模态分解和深度学习的有效波高预警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：CN116484271B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202310267127.9，技术领域涉及：G06F18/241；该发明授权一种基于经验模态分解和深度学习的有效波高预警方法是由陈耀然;蔡灿冬;张丹;吴昊;毛方赛;李孝伟;彭艳设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本一种基于经验模态分解和深度学习的有效波高预警方法在说明书摘要公布了：本发明公开一种基于模态分解和深度学习的有效波高预测方法。该方法采用经验模态分解方法对原始时间序列进行预处理分解得到各个模态；使用Transformer结构的编码器对各个模态的特征进行提取，Transformer结构的神经网络能够并行得捕获时间序列数据的全局特征，在加快模型训练和推理速度的同时仍然能够有效得对时间序列数据进行高效的特征提取；最后使用多层感知机根据提取到的高语义特征进行分类得到最终结果。

本发明授权一种基于经验模态分解和深度学习的有效波高预警方法在权利要求书中公布了：1.一种基于模态分解和深度学习的有效波高预测方法，其特征在于，包括以下步骤： A.获取海面波高数据； B.预处理海面波高数据； C.根据波高阈值、输入时间序列长度、预测时间长度参数制作数据集； D.根据数据集训练得到有效波高预警； 所述步骤D包括： 1模型的输入输出：模型的输入为有效波高的历史时间序列其输出为为高水平有效波高的概率p1和为低水平有效波高的概率p2； 2经验模态分解：对有效波高时间序列进行经验模态分解,得到多个本征模函数；再将预处理后的有效波高时间序列和本征模函数在通道上进行叠加，输入到模型的下一个阶段； 3使用Transformer编码器进行特征提取：Transformer编码器模块接受原始时间序列数据和经过经验模态分解后的本征模函数作为特征输入，对于输入Transformer编码器的特征向量，首先经过多头自注意力进行编码，自注意力计算公式如下： 其中Q,K,V代表queries、keys、values三个矩阵，dk代表keys矩阵的维度；经过多头注意力处理后的特征向量再通过一维卷积、批量归一化、随机丢弃模块以及残差连接操作，进一步获得高层语义的时间序列特征； 4特征分类器：该模块接受Transformer编码器提取到的高层语义的时间序列作为特征输入，首先使用全局平均池化操作将特征矩阵的维度进行降低；再通过稠密连接的前向传播网络进一步对特征进行处理和学习；并使用随机丢弃对模型的泛化性进行增强；最后使用两层的全连接网络得到最终的预测结果； 5对模型训练： 6模型推理：模型训练完成之后输入有效波高时间序列，通过模型推理就可以得到对未来时刻有效波高的分类概率，并且根据模型推演结果对海上能量收集装置进行实时预警，保障海上设备和人员的安全。

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上海大学;上海大学绍兴研究院，其通讯地址为：200444 上海市宝山区上大路99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。