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！

龍圖騰網恭喜中國氣象科學研究院申請的專利一種基于AI和多源融合數據對海氣交界面動力交換系數進行估算和預測的方法、介質及程序產品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：CN119294104B 。

龍圖騰網通過國家知識產權局官網在2025-05-09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：202411420122.6，技術領域涉及：G06F30/20；該發明授權一種基于AI和多源融合數據對海氣交界面動力交換系數進行估算和預測的方法、介質及程序產品是由劉欣;徐洪雄;趙大軍;王慧;劉璐設計研發完成，并于2024-10-12向國家知識產權局提交的專利申請。

本

本發明授權一種基于AI和多源融合數據對海氣交界面動力交換系數進行估算和預測的方法、介質及程序產品在權利要求書中公布了：1.一種基于AI和多源融合數據對海氣交界面動力交換系數進行估算和預測的方法，其特征在于，所述方法在實施時至少包括如下步驟：SS1.重構海氣界面動力交換系數的計算公式：基于拉格朗日流體運動方程和地轉流方程，綜合考慮多種氣象與海洋變量因子，重構海氣界面動力交換系數的計算公式： 其中，Cd'為海氣界面動力交換系數，U10為大氣10米高度風場，u10和v10分別為U10在X和Y方向上的分量，u和v分別為海表流速在X和Y方向上的分量，ug和vg分別為地轉流在X和Y方向的分量，f為地球科氏力，K為海氣界面處單位質量微團的水平動能且；SS2.多源數據的收集與預處理：收集并整理多源氣象和海洋數據，至少包括海洋漂流浮標數據、衛星高度計遙感數據和大氣再分析數據，之后對所收集的多源數據進行質量控制和預處理，通過異常值檢測、缺失值處理、數據一致性檢查、時空插值以及格式統一化處理，構建形成一多源融合數據集，并基于時間序列分層抽樣的方式將多源融合數據集劃分為相互獨立的訓練數據集和驗證數據集；SS3.AI深度學習模型的構建與訓練：基于步驟SS1中重構的Cd'計算公式，采用深度學習算法設計并構建一適用于多源融合數據的AI深度學習模型，其輸入層用于接收多源融合數據中的相關氣象和海洋因子，隱藏層負責提取時空特征并通過非線性映射建立氣象和海洋變量因子與Cd'之間的關系，輸出層用于生成Cd'的估算值，且模型基于步驟SS2中劃分的訓練數據集進行訓練，并采用Adam優化器、均方根誤差損失函數和或mini-batch梯度下降法更新模型參數，且在模型網絡中加入Dropout層和L2正則化以防止過擬合；SS4.AI深度學習模型的評估與優化：基于步驟SS2中劃分的驗證數據集對訓練好的AI深度學習模型進行性能評估，評估指標包括均方根誤差、平均絕對誤差和或相關系數，并采用K折交叉驗證方法評估模型的泛化能力，之后根據評估結果，通過調整網絡結構、優化超參數以及嘗試不同的特征組合來優化模型性能，迭代優化直到模型性能達到預設閾值或性能不再顯著提升；SS5.海氣界面動力交換系數Cd'的估算和預測：基于步驟SS4優化后的AI深度學習模型，輸入當前時刻t的氣象和海洋變量數據，生成Cd'的當前時刻估算值，并結合以下公式計算下一時刻t+dt的海洋動能Kt+dt以及表層流速在X和Y方向上的分量ut+dt、vt+dt，其中dt為時間步長，代表每次迭代的時間間隔： 在計算出下一時刻t+dt的ut+dt和vt+dt后，將其作為海氣相互作用數值模擬系統的輸入并完成一輪海氣耦合數值模擬的完整計算，從而得到t+dt時刻的新的氣象和海洋變量，之后將這些更新后的氣象和海洋變量作為輸入數據傳入步驟SS4優化后的AI深度學習模型中，通過AI深度學習模型估算下一時刻t+dt的海氣界面動力交換系數Cd',t+dt，通過迭代實現對未來多個時間步長的海氣界面動力交換系數Cd'的預測。

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中國氣象科學研究院，其通訊地址為：100081 北京市海淀區中關村南大街46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”。