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！

龙图腾网获悉中国海洋大学三亚海洋研究院申请的专利一种面向动态稀疏观测的深度神经过程海洋资料同化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：CN121233976B 。

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：202511771653.4，技术领域涉及：G06F18/20；该发明授权一种面向动态稀疏观测的深度神经过程海洋资料同化方法是由梁韵;黄炜楠;夏瑞雪;赵玮设计研发完成，并于2025-11-28向国家知识产权局提交的专利申请。

本一种面向动态稀疏观测的深度神经过程海洋资料同化方法在说明书摘要公布了：本发明提供了一种面向动态稀疏观测的深度神经过程海洋资料同化方法，涉及海洋数据处理领域，具体包括如下步骤：构建训练数据集；通过高斯核扩散模拟实际观测的不均匀与不确定特征；搭建面向稀疏动态观测的海洋同化网络，输出分析场及不确定性估计；以再分析真值场为监督信号，对海洋同化网络模型进行端到端训练，通过联合最小化误差项与结构约束项优化网络参数。训练完成后，将测试阶段的背景场与稀疏观测输入海洋同化网络模型进行推理，获得符合实际物理量尺度的海洋状态重建场。本发明的技术方案克服现有技术中不能在观测稀疏且时空分布动态变化的现实条件下，兼顾计算可行性、跨尺度相关建模与可信不确定性输出的问题。

本发明授权一种面向动态稀疏观测的深度神经过程海洋资料同化方法在权利要求书中公布了：1.一种面向动态稀疏观测的深度神经过程海洋资料同化方法，其特征在于，具体包括如下步骤： S1，构建训练数据集，包括：真值场、背景场和观测集合； S2，通过高斯核扩散形成连续观测场及观测场的置信度分布，以模拟实际观测的不均匀与不确定特征； S3，搭建面向稀疏动态观测的海洋同化网络，包括：局地特征提取模块和全局依赖建模模块，将观测信息与背景信息进行多尺度融合，并输出分析场及不确定性估计； S4，以再分析真值场为监督信号，对海洋同化网络模型进行端到端训练，通过联合最小化误差项与结构约束项优化网络参数，确保预测结果在幅度和空间梯度上与真实场一致； S5，训练完成后，将测试阶段的背景场与稀疏观测输入海洋同化网络模型进行推理，输出分析结果并进行反标准化处理，获得符合实际物理量尺度的海洋状态重建场； 步骤S3具体包括如下步骤： S3.1，输入经由局地表征算子处理，局地表征算子在原始网格上逐点操作，输出局地等变特征： ； S3.2，利用降采样算子将压缩为固定维度的子域特征，并叠加位置编码： ； 其中，为经过降采样并叠加了位置编码的特征； S3.3，经过全局依赖算子处理： ； 其中，为经过全局依赖算子处理后的特征； S3.4，通过上采样算子映射回原网格，得到全局特征： ； S3.5，利用门控融合算子对局地等变特征和全局特征进行自适应整合： ； 其中，为置信度场，自适应整合特征； S3.6，与拼接后输入解码算子，输出残差增量与对数标准差： ； 其中，为时刻的分析均值场，表示残差，为时刻的分析标准差场，为对数函数； S3.7，为保证数值稳定与正定性，残差增量与对数标准差通过softplus函数映射为正值： ； 其中，为时刻映射为正值后的分析标准差场，为正数常量； S3.8，在每个网格点输出分析结果的概率分布为： ； 其中，表示分析场在网格点处的变量，为标准正态分布； 分析均值遵循残差增量形式： ； 其中，为背景场在网格点处的变量，为可学习的缩放系数。

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国海洋大学三亚海洋研究院，其通讯地址为：572024 海南省三亚市崖州区深海科技创新公共平台8号楼；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。