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！

龙图腾网获悉中山大学申请的专利一种基于年际增量的月际或季节尺度降水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：CN120579473B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202510593232.0，技术领域涉及：G06F30/28；该发明授权一种基于年际增量的月际或季节尺度降水预测方法是由范可设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种基于年际增量的月际或季节尺度降水预测方法在说明书摘要公布了：本发明公开一种基于年际增量的月际或季节尺度降水预测方法，该方法包括下述步骤：构建潜在预测因子数据集；构建月际或季节平均降水距平百分率年际增量的单因子预测模型；基于奇异值分解方法订正单因子预测模型预测的月际或季节平均降水距平百分率年际增量的偏差；每个单因子模型预测的平均降水距平百分率年际增量订正后再加上前一年同期观测的平均降水距平百分率得到单因子模型预测的平均降水距平百分率，通过置信水平阈值得到多因子预测模型择优集合；调整预测因子的选取月份和降水预测的目标月份，实现逐月或季节降水的滚动预测。本发明从预测因子的选取、预测对象、多模型集合和滚动预测方案进行优化，提高月际‑季节尺度降水预测的准确度。

本发明授权一种基于年际增量的月际或季节尺度降水预测方法在权利要求书中公布了：1.一种基于年际增量的月际或季节尺度降水预测方法，其特征在于，包括下述步骤： 构建潜在预测因子数据集； 构建月际或季节平均降水距平百分率年际增量的单因子预测模型，具体包括： 采用场信息耦合方法建立月际或季节平均降水距平百分率年际增量单因子预测模型； 利用经验正交函数分解提取预测量和预测因子满足设定比例解释方差的模态进行场重建； 利用奇异值分解方法提取场重建后预测因子和预测量空间场的最优耦合变化型； 构建预测量与预测因子的乘积矩阵，对乘积矩阵进行奇异值分解； 针对提取的最优耦合变化型所对应的时间系数，利用线性回归方法建立单因子降尺度预测模型； 针对提取的最优耦合变化型所对应的时间系数，具体包括： ； ； 其中，k为SVD模态总数，表示PAP的年际增量，表示预测因子，、分别表示平均降水距平百分率年际增量和预测因子第i个模态的奇异向量，和表示平均降水距平百分率年际增量和预测因子的第i个SVD模态的时间扩张系数； 利用线性回归方法建立单因子降尺度预测模型，具体包括： 对每个模态对应的时间扩张系数和时间扩张系数进行一元线性回归，根据一元线性回归系数和残差，得到预测的时刻第i模态各SVD模态的时间扩张系数，表示为： ； 根据平均降水距平百分率年际增量第i个模态的奇异向量和各SVD模态的时间扩张系数预测结果，重建得到时刻预测的平均降水距平百分率年际增量，表示为： ； 其中，表示时刻预测的平均降水距平百分率年际增量； 基于奇异值分解方法订正单因子预测模型预测的月际或季节平均降水距平百分率年际增量的偏差； 每个单因子模型预测的平均降水距平百分率年际增量订正后再加上前一年同期观测的平均降水距平百分率得到单因子模型预测的平均降水距平百分率； 选取在建模阶段回报的逐月或季节平均降水距平百分率与观测时间相关系数通过设定置信水平阈值筛选单因子模型结果进行等权重平均作为最终预测结果，若无通过显著性检验的单因子模型，则以多个单因子模型的等权重结果作为最终预测结果； 调整预测因子的选取月份和降水预测的目标月份，实现逐月或季节降水的滚动预测。

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中山大学，其通讯地址为：510275 广东省广州市海珠区新港西路135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。