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！

龙图腾网获悉北京邮电大学申请的专利基于图神经网络多模态气象数据融合的气象要素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：CN116720156B 。

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：202310751074.8，技术领域涉及：G06F18/25；该发明授权基于图神经网络多模态气象数据融合的气象要素预报方法是由吴铭;张闯;朱洵;熊宇同;张彬;李蔚青;姚博设计研发完成，并于2023-06-25向国家知识产权局提交的专利申请。

本基于图神经网络多模态气象数据融合的气象要素预报方法在说明书摘要公布了：本发明公开了一种基于图神经网络多模态气象数据融合的气象要素预报方法，属于数值天气预报技术领域。本发明利用多模态气象数据静止气象卫星数据和地面气象站观测数据的互补优势自上而下的遥感观测+自下而上的地面观测完成气象预报任务，弥补单一来源数据的不足；通过构建卫星‑观测站多模态数据融合框架进行多模态特征融合，并提出基于多图融合的图卷积神经网络框架，从多角度挖掘站点地理位置之间的关系、不同气象要素之间的内在联系，构建多种静态图和动态图，并通过自适应学习融合时序多图特征，实现全天候、高精度的地面观测站气象要素预报。

本发明授权基于图神经网络多模态气象数据融合的气象要素预报方法在权利要求书中公布了：1.一种基于图神经网络多模态气象数据融合的气象要素预报方法，其特征在于，包括静止气象卫星数据的预处理、地面气象站观测数据的预处理、卫星图像特征提取、卫星-观测站多模态数据融合、图结构构建、多图融合的图卷积神经网络构建的步骤；其中： 卫星图像特征提取的步骤包括：采用在ImageNet上预训练的ResNet101网络提取卫星图像的高级语义信息，仅对与地面观测站地理位置相对齐的网格的图像特征进行保存；分别提取卫星每一个通道数据的图像特征，在通道维度进行拼接； 卫星-观测站多模态数据融合的步骤包括： S11、将地面观测数据和卫星图像特征的序列分别输入一维时间卷积层，并加入位置编码，分别得到地面观测数据和卫星图像数据的低级别位置感知特征； S12、针对两种模态的数据，使用跨模态Transformer多头注意力机制进行模态交互，使一种模态能够从另一种模态接收信息； S13、每个模态通过各自跨模态Transformer多头注意机制的外部信息不断更新自己的序列，再通过Transformer自注意力层，将两个模态支路的自注意力层输出进行通道维度的拼接，得到卫星-观测站多模态融合特征； 多图融合的图卷积神经网络构建的步骤包括： S21、使用可学习权重来描述图结构对每个地面观测站的重要性，得到的融合后的图结构； S22、将卫星-观测站多模态融合特征时空序列和融合后的图结构分别作为多图卷积神经网络的输入，来预测指定气象要素未来时间的时空序列； 所述的多图卷积神经网络采用堆叠空间卷积-时间卷积块，所述空间卷积-时间卷积块使用残差连接方式，在空间维度使用图卷积，在时间维度使用多分支卷积层，多分支卷积层中不同分支的卷积层具有不同的感受野，用于提取不同尺度的信息，然后通过合并操作以及卷积层融合不同尺度的信息。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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。