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！

龙图腾网获悉南京航空航天大学;北京空间飞行器总体设计部申请的专利一种遥测数据预测方法、装置、介质及产品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：CN118015480B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202410096017.5，技术领域涉及：G06V20/13；该发明授权一种遥测数据预测方法、装置、介质及产品是由皮德常;林启杨;李鸿飞设计研发完成，并于2024-01-23向国家知识产权局提交的专利申请。

本一种遥测数据预测方法、装置、介质及产品在说明书摘要公布了：本发明公开了一种遥测数据预测方法、装置、介质及产品，涉及航天器遥测数据预测领域。方法包括：获取目标航天器在待测时刻序列中每个时刻不同变量对应的遥测数据，得到每个变量对应的实时遥测数据序列；将多个变量对应的实时遥测数据序列均输入到训练后的多尺度时间卷积网络中，得到实时时间相关性特征；根据多个变量对应的实时遥测数据序列，基于相似度原理和训练后的多头注意力机制，确定实时图结构特征；将实时时间相关性特征和实时图结构特征均输入到训练后的图注意力网络中，得到当前时刻的下一时刻不同变量对应的遥感预测数据。本发明能够同时捕捉遥测数据的时间依赖性和各个变量之间空间依赖性，进而提高航天器遥测数据的预测精度。

本发明授权一种遥测数据预测方法、装置、介质及产品在权利要求书中公布了：1.一种遥测数据预测方法，其特征在于，包括： 以预设步长在当前时刻前滑动窗口内确定待定时刻序列； 删除待定时刻序列中的第一个时刻，并将当前时刻作为末位元素添加到待定时刻序列中，得到待测时刻序列； 获取目标航天器在待测时刻序列中每个时刻不同变量对应的遥测数据，得到每个变量对应的实时遥测数据序列； 将多个变量对应的实时遥测数据序列均输入到训练后的多尺度时间卷积网络中，得到实时时间相关性特征； 根据多个变量对应的实时遥测数据序列，基于相似度原理和训练后的多头注意力机制，确定实时图结构特征，包括：将变量作为节点，根据节点对应的实时遥测数据序列构建每个节点对应的嵌入向量；根据多个嵌入向量，利用相似度原理确定任意两个节点间的无向影响分数；将多个嵌入向量输入到训练后的多头注意力机制中，确定任意两个节点间的有向影响分数；确定任一节点为当前节点；确定当前节点的自身混合影响分数；确定除当前节点外的所有节点为当前节点的待定邻居节点；确定任一待定邻居节点为当前待定邻居节点；确定当前待定邻居节点对当前节点的无向影响分数，与当前待定邻居节点对当前节点的有向影响分数之和，为当前待定邻居节点对当前节点的混合影响分数；确定当前待定邻居节点对当前节点的混合影响分数与所述自身混合影响分数的差值，为当前待定邻居节点对应的中间量；更新当前待定邻居节点，并返回步骤“确定当前待定邻居节点对当前节点的无向影响分数，与当前待定邻居节点对当前节点的有向影响分数之和，为当前待定邻居节点对当前节点的混合影响分数”直至遍历当前节点的所有待定邻居节点，得到所有待定邻居节点对当前节点的混合影响分数，以及所有待定邻居节点对应的中间量；确定所有待定邻居节点对应的中间量的均值为混合影响分数阈值；确定对当前节点的混合影响分数大于混合影响分数阈值的所有待定邻居节点为当前节点的邻居节点；更新当前节点并返回步骤“确定当前节点的自身混合影响分数”直至遍历所有节点，得到所有节点的邻居节点；将每个节点与对应的多个邻居节点连接，得到实时图结构特征； 将所述实时时间相关性特征和所述实时图结构特征均输入到训练后的图注意力网络中，得到当前时刻的下一时刻不同变量对应的遥感预测数据；所述训练后的多尺度时间卷积网络、所述训练后的多头注意力机制和所述训练后的图注意力网络，是利用目标航天器的历史遥测数据，对多尺度时间卷积网络、多头注意力机制和图注意力网络进行联合训练得到的。

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南京航空航天大学;北京空间飞行器总体设计部，其通讯地址为：211106 江苏省南京市江宁区将军路29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。