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！

龙图腾网获悉中南大学申请的专利一种基于元胞自动机的大范围日降水时空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：CN121388495B 。

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：202511954646.8，技术领域涉及：G06F18/20；该发明授权一种基于元胞自动机的大范围日降水时空预测方法是由邓敏;谭骁勇;谌恺祺设计研发完成，并于2025-12-23向国家知识产权局提交的专利申请。

本一种基于元胞自动机的大范围日降水时空预测方法在说明书摘要公布了：本发明提供了一种基于元胞自动机的大范围日降水时空预测方法，属于数据处理技术领域，具体包括：对气象变量数据进行预处理；构建基于历史气象特征的第一元胞自动机模型；构建基于历史状态转换的第二元胞自动机模型；构建基于位置仿射变换的卷积长短期记忆网络，利用训练集和验证集对其进行训练，输出未来时刻的降水量和GPD分位数概率的预测值；根据初步预测结果，对非降水状态、普通降水状态和极端降水状态分别采用不同的策略，结合卷积长短期记忆网络的预测结果，计算得到未来第一日的降水量空间分布，然后根据元胞状态多步预测结果，以相同策略计算得到未来多日的降水量空间分布。通过本发明的方案，提高了预测精准度和鲁棒性。

本发明授权一种基于元胞自动机的大范围日降水时空预测方法在权利要求书中公布了：1.一种基于元胞自动机的大范围日降水时空预测方法，其特征在于，包括： 步骤1，对用于日降水时空预测的气象变量数据进行预处理，得到训练集和验证集； 所述步骤1具体包括： 步骤1.1，将气象变量数据划分为训练集和验证集VS，其中，训练集用于更新日降水时空预测模型的参数，验证集VS用于检验模型的收敛情况； 步骤1.2，计算训练集中各气象变量数据的最大值和最小值，对气象变量数据进行标准化： 其中，表示标准化后的气象变量数据； 步骤1.3，基于降水量数据定义每个空间单元的三种离散状态：非降水状态、普通降水状态和极端降水状态，其中，非降水状态为日降水量小于1mm天，用标签0表示，普通降水状态为日降水量不小于1mm天且小于极端降水阈值，用标签1表示，极端降水状态为日降水量不小于极端降水阈值，用标签2表示； 步骤1.4，基于某一时刻和上一时刻的离散状态定义状态转换类型，其中，所述状态转换类型包括从非降水、普通降水、极端降水三种状态中任一种转换为另一种或保持不变的所有九种组合； 步骤2，构建基于历史气象特征的第一元胞自动机模型，得到元胞状态初步预测结果； 所述步骤2具体包括： 步骤2.1，定义第一元胞自动机模型的基本要素为：元胞空间为研究区域，元胞为空间单元，元胞邻域为1阶Moore邻域，元胞状态由离散状态表达，转换规则由历史气象变量与未来元胞状态之间的时空映射关系所表达； 步骤2.2，将标准化后的气象变量数据组织为，其中，为空间单元的数量，为时间序列的长度，为气象变量的类型数，表示各元胞邻域内的气象变量数据； 步骤2.3，采用随机过采样增强降水状态样本，应用极端梯度提升树XGBoost模型为各元胞拟合第一转换规则，以基于历史气象变量预测下一时刻是否发生降水，其中，所述第一转换规则的表达式为： 其中，为第一元胞自动机模型中第一转换规则的输出，表示第个元胞在时刻是否发生降水，即表现为降水状态或非降水状态；表示第个元胞在时刻邻域内的气象变量数据；表示第个元胞所拟合的第一转换规则中极端梯度提升树模型的第棵决策树；表示用于拟合第一转换规则的极端梯度提升树模型中决策树的总数； 步骤2.4，采用随机过采样增强极端降水状态样本，应用极端梯度提升树模型XGBoost为各元胞拟合第二转换规则，以基于历史气象变量预测下一时刻是否发生极端降水，其中，所述第二转换规则的表达式为： 式中，为第一元胞自动机模型中第二转换规则的输出，表示第个元胞在时刻在发生降水的条件下是否发生极端降水，即表现为普通降水状态或极端降水状态；表示第个元胞所拟合的第二转换规则中极端梯度提升树模型的第棵决策树；表示用于拟合第二转换规则的极端梯度提升树模型中决策树的总数； 步骤2.5，综合第一转换规则和第二转换规则的预测结果，得到第一元胞自动机模型的元胞状态初步预测结果，其中，所述元胞状态初步预测结果的表达式为： 式中，表示第个元胞在时刻的第一元胞自动机模型所预测的元胞状态； 步骤3，构建基于历史状态转换的第二元胞自动机模型，利用其对初步预测结果进行迭代，得到元胞状态多步预测结果； 步骤4，构建基于位置仿射变换的卷积长短期记忆网络，利用训练集和验证集对其进行训练，输出未来时刻的降水量和GPD分位数概率的预测值； 步骤5，根据初步预测结果，对非降水状态、普通降水状态和极端降水状态分别采用不同的策略，结合卷积长短期记忆网络的预测结果，计算得到未来第一日的降水量空间分布，然后根据元胞状态多步预测结果，以相同策略计算得到未来多日的降水量空间分布。

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南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。