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申请的专利基于时空双流非平稳感知的海洋表面温度序列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：CN116612396B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310607658.8，技术领域涉及：G06V20/13；该发明授权基于时空双流非平稳感知的海洋表面温度序列预测方法是由聂婕;杜家豪;温琦;叶敏;左子杰;宋宁设计研发完成，并于2023-05-26向国家知识产权局提交的专利申请。

本基于时空双流非平稳感知的海洋表面温度序列预测方法在说明书摘要公布了：本发明属于图像处理技术领域，公开了基于时空双流非平稳感知的海洋表面温度序列预测方法，构建基于时空双流非平稳感知的海洋表面温度序列预测网络并训练，所述网络包括空间非平稳特征建模子网络、时间非平稳特征建模子网络和基于堆叠交叉注意力时空融合模块，将待处理的海洋表面温度卫星遥感图像输入训练好的基于时空双流非平稳感知的海洋表面温度序列预测网络，输出海洋表面温度预测结果，通过本发明能同时挖掘时间和空间中的非平稳特征，有效地挖掘海洋表面温度的时空相关性，提高了对海洋表面温度预测的准确性。

本发明授权基于时空双流非平稳感知的海洋表面温度序列预测方法在权利要求书中公布了：1.基于时空双流非平稳感知的海洋表面温度序列预测方法，其特征在于，包括以下步骤： 步骤S1、获取海洋表面温度卫星遥感图像； 步骤S2、构建基于时空双流非平稳感知的海洋表面温度序列预测网络并训练，包括空间非平稳特征建模子网络、时间非平稳特征建模子网络和基于堆叠交叉注意力时空融合模块； 所述时间非平稳特征建模子网络由ST-LSTM模块和MIM模块构成，包括结构相同的多层网络结构，每层网络结构包括一个ST-LSTM模块、多个MIM模块，上一层的模块与下一层的模块通过锯齿路径堆叠互连，每一层对应位置的ST-LSTM模块或MIM模块通过垂直路径连接，输入的海洋表面温度卫星遥感图像X1,X2,...,Xt分别经过每一层的ST-LSTM得到海洋表面温度SST时序特征，将两个垂直相邻模块的输出隐状态通过对角路径传递到下一层模块，在MIM模块中用基于差分的方法捕捉海洋表面温度SST时序特征中的非平稳信息，通过堆叠的对角状结构捕捉非平稳信息，建模海洋表面温度SST的时序非平稳特征，最后将每一层最后一个MIM模块的输出y1,y2,...,yt聚合，得到SST时间综合特征β； 所述空间非平稳特征建模子网络由空间非平稳特征提取模块和空间特征融合模块构成，具体是： 在空间非平稳特征提取模块内，将M*M大小的海洋表面温度卫星遥感图像下采样成M*M、M*M4、M*M8三种尺度的特征图，通过卷积操作将M*M4和M*M8的卫星遥感图像做一次差分运算，捕捉小尺度非平稳特征n；同样的，通过卷积操作将M*M和M*M4的卫星遥感图像做一次差分运算，捕捉大尺度非平稳特征N； 在空间特征融合模块内，将M*M的原始特征图S、小尺度非平稳特征n、大尺度非平稳特征N聚合，将得到的空间聚合特征分别进行sigmoid函数处理和tanh函数处理，sigmoid函数将空间中不显著的非平稳特征加强以防止丢失，保留完整的空间综合特征，最后将两个函数处理结果进行对应元素相乘得到SST空间综合特征α； 将从时间非平稳特征建模子网络中获得的SST时间综合特征β与从空间非平稳特征建模子网络中的SST空间综合特征α通过基于堆叠交叉注意力时空融合模块融合，在基于堆叠交叉注意力时空融合模块内，SST空间综合特征α和SST时间综合特征β自适应地学习自身对海洋表面温度场的权重，融合时间和空间上的信息； 步骤S3、将待处理的海洋表面温度卫星遥感图像输入训练好的基于时空双流非平稳感知的海洋表面温度序列预测网络，输出海洋表面温度预测结果。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。