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！

龙图腾网获悉杭州电子科技大学申请的专利基于不均衡海上气象数据增强的船舶航行风险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：CN120875548B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202510976379.8，技术领域涉及：G06Q10/0635；该发明授权基于不均衡海上气象数据增强的船舶航行风险预警方法是由徐晓滨;余康威;郭豪豪;马枫;毛华;毛显斌;孙杰设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于不均衡海上气象数据增强的船舶航行风险预警方法在说明书摘要公布了：本发明公开了基于不均衡海上气象数据增强的船舶航行风险预警方法，该方法首先确定船舶航行风险等级，划分与之对应的目标海域气象致灾要素的不均衡数据集。其次设计由深度神经网络生成器与证据推理判别器组成的对抗学习模型，对不同风险等级下的不均衡数据集进行平衡性增强，建立高斯分布模型，描述不同风险等级下的气象致灾要素的特征分布。然后通过高斯分布模型计算气象致灾要素的风险等级信度分布。最后采用加权平均法融合风险等级信度分布，选取融合后信度最高的风险模式，作为当前目标海域的航行风险等级。本发明能够生成符合真实分布的少数类气象数据，有效解决数据不均衡问题，提升极端天气风险预警能力。

本发明授权基于不均衡海上气象数据增强的船舶航行风险预警方法在权利要求书中公布了：1.基于不均衡海上气象数据增强的船舶航行风险预警方法，其特征在于，包括以下步骤： 步骤1、确定船舶航行风险等级，并针对各风险等级，划分与之对应的目标海域气象致灾要素的不均衡数据集，具体实现如下： 步骤1-1、船舶航行风险等级被划分为种风险模式，且每种风险模式具有J个不同的属性，海上气象致灾要素数据集为，单个样本向量为，是第个属性的值；为风险模式下的样本向量集合，为风险模式为的样本向量的个数； 步骤1-2、以最后一个风险模式的样本向量集合为基准，采用k均值算法获取两个样本向量集合各个属性的参考值，得到第j个属性对应的K个聚类中心，将这K个聚类中心从小到大进行排序得到第j个属性的参考值集合为； 步骤1-3、利用参考值集合计算输入样本的匹配度和似然度： ； ； 表示某一属性所有样本值匹配参考值并且该样本被认定为风险模式的匹配度之和，表示被认定是的似然函数，；证据推理判别器REMj表示为： ； 其中代表着样本属性值为时对应类别的信度； 步骤2、设计由深度神经网络生成器与证据推理判别器组成的对抗学习模型，对不同风险等级下的不均衡数据集进行平衡性增强，获取融合数据集，具体实现如下： 步骤2-1、基于证据推理判别器，得到单个样本向量激活的证据： 其中表示被诊断为风险模式的信度；经过ER规则融合个属性的激活证据之后，获得融合后的信度分布 其中，，、为ER融合权重，迭代更新获取，g、F、E为集合D的幂集； 步骤2-2、基于融合后信度分布值，最小化判别器损失，并更新ER融合权重、和证据推理判别器REMj； 步骤2-3、生成器采用深度神经网络结构，生成模拟数据；深度神经网络的输入层接收随机噪声向量，维度为1，数量为； 所述深度神经网络的隐藏层通过全连接方式处理接收的噪声向量，分别由全连接层和非线性激活函数构成，用于对输入进行特征提取和非线性映射，得到输出；深度神经网络的输出层，输出维度为随机噪声数量相同的模拟数据集合： ； 表示可用于增强风险模式下的模拟数据集合，其数量为，； 步骤2-4、使用更新的证据推理判别器REMj，得到模拟数据的样本向量的融合信度分布，最小化生成器损失； 使用优化后的生成器重复步骤2-3持续生成增强数据，； 步骤2-5、将生成的属于风险等级模式下的增强数据与原始数据集合并，得到平衡后的融合数据集； 步骤3、基于高斯模型建立融合数据集的高斯分布模型，描述不同风险等级下的气象致灾要素的特征分布； 步骤4、实时获取目标海域的气象致灾要素数据，通过高斯分布模型计算气象致灾要素的风险等级信度分布； 步骤5、采用加权平均法融合风险等级信度分布，得到目标海域的综合风险等级信度分布，选取信度最高的风险模式，作为当前目标海域的航行风险等级，生成目标海域船舶航行风险预警结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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。