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！

龙图腾网获悉贵州省气象台申请的专利一种多源时空格点数据的深度学习预测方法及系统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：CN121581261B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202610117768.X，技术领域涉及：G06N20/00；该发明授权一种多源时空格点数据的深度学习预测方法及系统是由何东坡;杨静;唐远志;周永水;周文钰;魏涛;彭宇翔;罗敬设计研发完成，并于2026-01-28向国家知识产权局提交的专利申请。

本一种多源时空格点数据的深度学习预测方法及系统在说明书摘要公布了：本发明涉及深度学习技术领域，公开了一种多源时空格点数据的深度学习预测方法及系统，该方法包括：获取实况格点数据、预报格点数据及静态格点数据，预处理得到统一格点特征数据。生成缺测掩码格点数据，根据观测覆盖度信息、插值距离信息、时空一致性检验结果及预报时效衰减规则生成置信度格点数据，并形成模型输入格点数据。构建训练样本并生成预报时效编码数据。构建并训练深度学习预测模型，模型包括空间编码网络、时间编码网络与预报时效分段预测网络。训练阶段采用置信度加权回归损失。推理阶段获得发布预测结果。本申请提升了多源格点数据在缺测与填补条件下的学习稳定性，改善不同预报时效下的连续值预测与分级告警概率的可靠性。

本发明授权一种多源时空格点数据的深度学习预测方法及系统在权利要求书中公布了：1.一种多源时空格点数据的深度学习预测方法，其特征在于，包括： 获取实况格点数据、预报格点数据及静态格点数据，对数据进行预处理获得统一格点特征数据，所述预处理包括统一空间坐标与时间基准； 根据缺测或填补标记生成缺测掩码格点数据，根据观测覆盖度信息、插值距离信息、时空一致性检验结果及预报时效衰减规则生成置信度格点数据，将所述置信度格点数据与所述统一格点特征数据拼接获得模型输入格点数据； 基于滑动时间窗口构建训练样本，以使得所述训练样本包含所述模型输入格点数据及预报时效编码数据； 构建并训练深度学习预测模型，所述深度学习预测模型包括空间编码网络、时间编码网络和预报时效分段预测网络，所述预报时效分段预测网络包括门控网络与多个专家预测子网络，所述门控网络根据所述预报时效编码数据对所述多个专家预测子网络加权融合输出连续值预测结果，并基于阈值集合输出分级概率输出； 训练时对所述连续值预测结果进行置信度加权回归损失，对所述分级概率输出施加序关系一致性约束； 推理时输出所述连续值预测结果与分级概率输出，并对所述分级概率输出进行概率校准得到发布预测结果； 生成所述缺测掩码格点数据时，包括： 对所述统一格点特征数据按要素逐格点读取所述缺测或填补标记；当所述缺测或填补标记指示为原始有效值时，生成有效掩码层；当所述缺测或填补标记指示为插值填补值时，生成插值掩码层；当所述缺测或填补标记指示为回填填补值时，生成回填掩码层；将所述有效掩码层、所述插值掩码层与所述回填掩码层按要素对应关系组成所述缺测掩码格点数据； 生成所述置信度格点数据并获得所述模型输入格点数据时，包括： 基于所述有效掩码层在预设空间邻域内的有效格点占比确定所述观测覆盖度信息；基于观测点到目标格点的最小距离确定所述插值距离信息；对所述统一格点特征数据进行空间邻域一致性检验与时间相邻一致性检验，得到所述时空一致性检验结果； 根据所述预报格点数据的预报时效信息并根据所述预报时效衰减规则确定时效衰减信息；将所述观测覆盖度信息、所述插值距离信息、所述时空一致性检验结果与所述时效衰减信息按配置的融合规则生成置信度格点数据，并根据所述插值掩码层与所述回填掩码层对所述置信度格点数据进行填补惩罚；将进行填补惩罚后的置信度格点数据与所述统一格点特征数据按通道拼接，得到所述模型输入格点数据。

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贵州省气象台，其通讯地址为：550002 贵州省贵阳市南明区新华路翠微巷9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。