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

龍圖騰網獲悉電子科技大學申請的專利一種藥用作物蒸騰量預測方法、設備和介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116894178B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310964702.0，技術領域涉及：G06F18/213；該發明授權一種藥用作物蒸騰量預測方法、設備和介質是由高攀;劉勇國;朱嘉靜;張云;李巧勤;蘭剛設計研發完成，并于2023-08-02向國家知識產權局提交的專利申請。

本一種藥用作物蒸騰量預測方法、設備和介質在說明書摘要公布了：本發明公開了一種藥用作物蒸騰量預測方法、設備和介質，包括以下具體步驟：采集蒸騰量相關環境數據，對數據進行預處理，確定蒸騰量關鍵影響因子；基于預處理后的數據構建CNN?W模型和CNN?S模型，結合蒸騰量關鍵影響因子確定特征矩陣，CNN?W模型用于捕獲氣象環境數據的時間依賴性，CNN?S模型用于捕獲土壤環境數據的時間依賴性；構建全局編碼器和局部編碼器，基于特征矩陣提取時序特征；對提取的時序特征進行融合，根據融合特征進行蒸騰量預測。通過對時序特征進行融合輸出以及后續依賴時間協變量進行特征提取，有效的抓取了時序數據的自相關性，并挖掘蒸騰量與環境影響因子之間的依賴關系，提升了蒸騰量預測的準確率和穩定性。

本發明授權一種藥用作物蒸騰量預測方法、設備和介質在權利要求書中公布了：1.一種藥用作物蒸騰量預測方法，其特征在于，包括以下具體步驟： 采集蒸騰量相關環境數據，對數據進行預處理，確定蒸騰量關鍵影響因子； 基于預處理后的數據構建CNN-W模型和CNN-S模型，結合蒸騰量關鍵影響因子確定特征矩陣，所述CNN-W模型用于捕獲氣象環境數據的時間依賴性，所述CNN-S模型用于捕獲土壤環境數據的時間依賴性； 所述確定特征矩陣具體包括： 根據歸一化環境數據，構建CNN-W模型和CNN-S模型； 將蒸騰量關鍵影響因子作為依賴時間協變量輸入到CNN-W模型和CNN-S模型中，通過一維卷積捕獲蒸騰量關鍵影響因子的時間相關性； 將蒸騰量關鍵影響因子的時間相關性結合全連接層輸出通過卷積操作，獲得特征矩陣； 構建全局編碼器和局部編碼器，基于特征矩陣提取時序特征，具體包括：采用全局編碼器模塊提取時序全局信息，采用局部編碼器模塊提取時序局部信息； 所述采用全局編碼器模塊提取時序全局信息具體包括： 構建時間卷積網絡，所述時間卷積網絡的殘差塊包括兩層多尺度擴展因果卷積； 向時間卷積網絡的殘差塊的每層加入層歸一化和LeakyReLU激活函數，采用1×1卷積調整網絡輸入張量，確定擴展因子； 基于不同擴展因子大小確定擴展因果卷積，在每層使用不同感受野范圍的擴展因果卷積運算確定全面的全局特征信息，得到輸出特征； 所述采用局部編碼器模塊提取時序局部信息具體包括： 對特征矩陣進行卷積操作，得到特征，對特征進行自校準操作，得到校準特征； 將校準特征映射到原始特征空間得到輸出特征； 對輸出特征進行自校準操作，得到輸出特征； 將輸出特征和輸出特征進行串聯操作得到連接特征，對特征進行卷積操作得到包含局部鑒別特征的輸出特征； 對提取的時序特征進行融合，根據融合特征進行蒸騰量預測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人電子科技大學，其通訊地址為：610000 四川省成都市高新區（西區）西源大道2006號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。