買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東省科學院海洋儀器儀表研究所申請的專利一種基于改進TCN-LSTM的風速風向預測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120234763B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510713730.4，技術(shù)領域涉及：G06F18/25；該發(fā)明授權(quán)一種基于改進TCN-LSTM的風速風向預測方法是由劉世萱;于宗浩;宋苗苗;付曉;閆星魁;苗斌;楊祥龍;李文慶設計研發(fā)完成，并于2025-05-30向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于改進TCN-LSTM的風速風向預測方法在說明書摘要公布了：本發(fā)明涉及風速風向預測領域，公開了一種基于改進TCN?LSTM的風速風向預測方法，包括如下步驟：采集海上風站的實時監(jiān)測多維氣象數(shù)據(jù)，并進行預處理；將預處理后的數(shù)據(jù)進行特征融合和特征增強處理，所述特征增強處理包括空間特征提取、張量重構(gòu)和時序建模；將特征融合和特征增強處理后的數(shù)據(jù)輸入基于改進的TCN?LSTM混合神經(jīng)網(wǎng)絡的風速風向預測模型中，預測未來時刻的風速和風向；所述風速風向預測模型包括時空分離TCN網(wǎng)絡、多頭自注意力機制、自適應Dropblock機制、LSTM網(wǎng)絡和貝葉斯優(yōu)化模塊；本發(fā)明所公開的方法可以提升復雜海洋環(huán)境下風力預測的準確性、魯棒性與計算效率。

本發(fā)明授權(quán)一種基于改進TCN-LSTM的風速風向預測方法在權(quán)利要求書中公布了：1.一種基于改進TCN-LSTM的風速風向預測方法，其特征在于，包括如下步驟： 步驟一，采集海上風站的實時監(jiān)測多維氣象數(shù)據(jù)，并進行預處理； 步驟二，將預處理后的數(shù)據(jù)進行特征融合和特征增強處理，所述特征增強處理包括空間特征提取、張量重構(gòu)和時序建模； 步驟三，將特征融合和特征增強處理后的數(shù)據(jù)輸入基于改進的TCN-LSTM混合神經(jīng)網(wǎng)絡的風速風向預測模型中，預測未來時刻的風速和風向； 所述風速風向預測模型包括時空分離TCN網(wǎng)絡、多頭自注意力機制、自適應Dropblock機制、LSTM網(wǎng)絡和貝葉斯優(yōu)化模塊； 所述時空分離TCN網(wǎng)絡通過擴張因果卷積捕捉多尺度時序特征，通過時空解耦卷積進一步增強時空特征提取能力，采用殘差連接構(gòu)建跨層捷徑； 所述多頭自注意力機制用于對特征進行動態(tài)上下文建模，使模型能捕獲全局關聯(lián)性； 所述自適應Dropblock機制通過生成二維掩碼實現(xiàn)相鄰特征的同步丟棄； 所述LSTM網(wǎng)絡為層級交互增強型雙層LSTM網(wǎng)絡，通過跨層門控耦合機制實現(xiàn)細胞狀態(tài)級的多尺度時序特征融合； 所述貝葉斯優(yōu)化模塊采用Optuna框架，利用TPE采樣器和剪枝策略分兩階段對風速風向預測模型的超參數(shù)進行優(yōu)化。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東省科學院海洋儀器儀表研究所，其通訊地址為：266200 山東省青島市即墨區(qū)鰲山衛(wèi)街道青島藍色硅谷核心區(qū)藍色硅谷創(chuàng)業(yè)中心一期2號樓；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。