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！

龙图腾网获悉青岛埃克曼科技有限公司申请的专利基于深度学习的海洋海浪大模型构建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：CN121503700B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202610031605.X，技术领域涉及：G06N5/04；该发明授权基于深度学习的海洋海浪大模型构建方法是由张辰宇;李德明;马晓东;胡信淼;刘秀杰;宋勐;孙玉秀设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本基于深度学习的海洋海浪大模型构建方法在说明书摘要公布了：本发明涉及深度学习技术领域，尤其涉及一种基于深度学习的海洋海浪大模型构建方法。获取多源海洋关联监测数据；通过多源海洋关联监测数据进行海洋关联监测特征的空间插值映射处理，生成海洋关联监测特征空间映射数据；对海洋关联监测特征空间映射数据进行海浪关联异构特征通道的海浪表征特征分析处理，生成海浪表征特征数据；基于预设的深度学习算法以及海浪表征特征数据进行海浪表征及演化的预测映射关系建立，生成海浪演化预测模型；获取历史海浪表征演化数据；利用历史海浪表征演化数据对海浪演化预测模型进行模型训练及海浪演化约束优化处理，生成优化海浪演化预测模型。本发明实现海洋海浪状况地精准预测分析。

本发明授权基于深度学习的海洋海浪大模型构建方法在权利要求书中公布了：1.一种基于深度学习的海洋海浪大模型构建方法，其特征在于，包括以下步骤： 步骤S1：获取多源海洋关联监测数据；通过多源海洋关联监测数据进行海洋关联监测特征的空间插值映射处理，生成海洋关联监测特征空间映射数据； 其中，步骤S1包括以下步骤： 步骤S11：获取多源海洋关联监测数据，其中所述多源海洋关联监测数据包括海洋台风路径强度数据、海面风场数据、海面气压数据、海浪监测数据以及海洋地理信息数据，所述海洋地理信息数据包括海洋天文潮数据、海洋水深数据、海洋海底地形数据以及海洋近岸线数据； 步骤S12：基于海洋地理信息数据进行海洋地形的初步三维空间建模，得到初步海洋地形三维空间模型；根据海洋地理信息数据进行海洋地理边界特征分析，得到海洋地理边界特征数据；根据初步海洋地形三维空间模型以及海洋地理边界特征数据进行海洋地理空间特征的自适应映射网格设计，得到海洋地理空间映射网格数据；通过海洋地理空间映射网格数据对初步海洋地形三维空间模型进行三维空间模型的映射网格建立优化处理，得到海洋地形三维空间模型； 步骤S13：对多源海洋关联监测数据进行多源数据时序同步基准预处理，生成同步多源海洋关联监测数据； 步骤S14：将同步多源海洋关联监测数据传输至海洋地形三维空间模型进行海洋关联监测特征的空间插值映射处理，生成海洋关联监测特征空间映射数据；步骤S2：对海洋关联监测特征空间映射数据进行海浪关联异构特征通道的海浪表征特征分析处理，生成海浪表征特征数据； 步骤S3：基于预设的深度学习算法以及海浪表征特征数据进行海浪表征及演化的预测映射关系建立，生成海浪演化预测模型； 其中，步骤S3包括以下步骤： 步骤S31：基于预设的深度学习算法进行海浪表征及演化的深度学习大模型架构建立，生成海浪演化预测模型架构，所述预设的深度学习算法采用Transformer编码器与卷积神经网络结合的混合架构； 步骤S32：根据海浪表征特征数据进行海浪表征的空间多尺度特征分析，生成海浪表征空间多尺度特征数据；对海浪表征空间多尺度特征数据进行时序特征分析，生成海浪表征时空多尺度特征数据；根据海浪表征特征数据进行海浪表征聚类属性分析，生成海浪表征聚类属性数据；通过海浪表征聚类属性数据设计聚类属性差异的海浪表征空间多尺度融合策略；基于海浪表征空间多尺度融合策略对海浪表征时空多尺度特征数据进行时序动态的海浪表征空间多尺度融合特征分析，生成海浪表征时空跨尺度融合特征数据； 步骤S33：通过海浪表征时空跨尺度融合特征数据对海浪演化预测模型架构进行海浪表征时空跨尺度融合层嵌入处理，生成嵌入海浪演化预测模型架构； 步骤S34：根据海浪表征特征数据进行海浪表征单一态的演化影响分析，生成海浪表征单一态演化影响数据；对海浪表征时空跨尺度融合特征数据进行海浪表征叠加态的空间特异性分析，生成海浪表征叠加态空间特异性数据，并根据海浪表征叠加态空间特异性数据进行海浪表征叠加态的演化影响分析，生成海浪表征叠加态演化影响数据；通过海浪表征单一态演化影响数据以及海浪表征叠加态演化影响数据进行多模态海浪演化的自适应注意力策略设计，生成海浪演化多模态自适应注意力策略； 步骤S35：通过海浪演化多模态自适应注意力策略对嵌入海浪演化预测模型架构进行海浪表征空间场景叠加态注意力机制设定处理，得到海浪演化预测模型； 步骤S4：获取历史海浪表征演化数据；利用历史海浪表征演化数据对海浪演化预测模型进行模型训练及海浪演化约束优化处理，生成优化海浪演化预测模型； 其中，步骤S4包括以下步骤： 步骤S41：获取历史海浪表征演化数据； 步骤S42：对历史海浪表征演化数据进行海浪演化物理约束特性分析，生成海浪演化物理约束特性数据； 步骤S43：将历史海浪表征演化数据传输至海浪演化预测模型进行训练处理，生成训练海浪演化预测模型； 步骤S44：根据海浪演化物理约束特性数据进行海浪演化约束的训练目标决策分析，生成海浪演化约束训练目标决策，并基于海浪演化约束训练目标决策进行海浪演化约束的辅助损失函数设计，生成海浪演化约束辅助损失函数；利用海浪演化约束训练目标决策以及海浪演化约束辅助损失函数对训练海浪演化预测模型进行海浪演化约束的模型训练参数优化调节处理，生成优化海浪演化预测模型。

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青岛埃克曼科技有限公司，其通讯地址为：266000 山东省青岛市市南区银川西路67、69号青岛动漫产业园E座204；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。