发明专利已授权

基于多模态融合改进深度学习的极端降水次季节预报方法

📄 申请号：CN202410452556.8 📄 发布日：2025/11/17

著录项目信息

申请日

2024-04-16

公开号

CN118051878B

公开日

2024-06-11

申请人

南京气象科技创新研究院,南京信息工程大学

法律状态

已下证

专利类型

发明

主分类号

G06F18_25

IPC 分类号

G06F18_25 , G01W1_10 , G06F18_15 , G06F16_29 , G06N3_0464 , G06N3_084 ,

技术画像

所属领域

深度学习深度学习多模态融合气象预报

应用场景

气象灾害预警, 次季节气候预测, 农业生产, 防灾减灾, 智慧城市

AI 智能推荐 · 同申请人专利 · 搜索相似专利

摘要

本发明公开了基于多模态融合改进深度学习的极端降水次季节预报方法，包括：对多种气象要素预报数据及预报目标区域的降水观测数据进行预处理；对影响极端降水发生的多模态特征进行自适应标识编码，并生成对应特征向量，形成无量纲化的多模态预报因子库；构建深度残差卷积神经网络优化模型，并分别利用训练集和验证集对模型进行训练和验证优化；采用训练好的模型进行目标区域的极端降水次季节预报。本发明采用了多气象要素因子、多模态融合与改进损失函数的深度学习神经网络模型，对极端降水预报进行了针对性优化，有效把握极端降水的时空分布特征，提高了极端降水的次季节预报能力，具有极强的应用价值。

权利要求书 (12项) 说明书附图

……

图1

图2

图3

法律状态时间线

一种基于虚拟现实技术的地铁场景图像样本仿真构建方法

当前第 / 件

幅度与偏置可控的移相式忆阻混沌振荡器

同领域国内专利 · IPC: (G06F18_25)

G06F18_00 G06F18_10 G06F18_15 G06F18_20 G06F18_21 G06F18_211 G06F18_2111 G06F18_2113 G06F18_2115 G06F18_213 G06F18_2131 G06F18_2132 G06F18_2134 G06F18_2135 G06F18_2136 G06F18_214 G06F18_22 G06F18_23 G06F18_231 G06F18_2321 G06F18_23213 G06F18_2323 G06F18_2337 G06F18_24 G06F18_241 G06F18_2411 G06F18_2413 G06F18_2415 G06F18_243 G06F18_2431 G06F18_2433 G06F18_2451 G06F18_25 G06F18_26 G06F18_27 G06F18_40 覆盖36个领域

议价

不含过户费

📋 交易方式： 委托待转让 📌 交易状态：在售 👁️ 浏览次数：149 ❤️ 收藏人数：93 📋 项目申报： 未申报

资金托管权属尽调包过户

🏢 淄博智来知识产权服务有限公司

✓ 企业认证✓ 手机绑定历史成交 3件好评率 98.5%

📊 出价记录 (3条)

王**¥-10万

李** 企业¥-8万

陈**¥-3万

查看全部出价

我要出价 (议价)

基于多模态融合改进深度学习的极端降水次季节预报方法

著录项目信息

技术画像

所属领域

应用场景

摘要

法律状态时间线

同领域国内专利 · IPC: (G06F18_25)

相似专利推荐 AI 驱动 · 同领域

基于计算机辅助设计的相邻楼层隔震阻尼舒适度评估方法

一种基于知识蒸馏的轻量化恶意加密流量检测方法

一种基于视觉技术的多目标识别方法及系统

服务项目

资源中心

关于柿子坊