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！

龍圖騰網恭喜中國人民解放軍國防科技大學申請的專利基于特征自適應優化的熱帶氣旋強度智能預報方法和裝置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：CN119644476B 。

龍圖騰網通過國家知識產權局官網在2025-05-23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：202510190432.1，技術領域涉及：G01W1/10；該發明授權基于特征自適應優化的熱帶氣旋強度智能預報方法和裝置是由鐘瑋;李柯云;姚瑤;李方召;孫源;何宏讓設計研發完成，并于2025-02-20向國家知識產權局提交的專利申請。

本基于特征自適應優化的熱帶氣旋強度智能預報方法和裝置在說明書摘要公布了：本申請涉及一種基于特征自適應優化的熱帶氣旋強度智能預報方法和裝置。所述方法包括：構建初始數據集；初始數據集劃分為模型訓練樣本和獨立測試樣本；選用預訓練模型；將模型訓練樣本輸入預訓練模型進行特征自適應優化，獲取影響熱帶氣旋強度預報準確性的高影響因子集；模型優化訓練；模型魯棒性檢驗及熱帶氣旋強度智能預報。本申請能夠快速提取對熱帶氣旋強度預報最為關鍵的高影響因子集，顯著提高了熱帶氣旋強度預報的準確度。

本發明授權基于特征自適應優化的熱帶氣旋強度智能預報方法和裝置在權利要求書中公布了：1.一種基于特征自適應優化的熱帶氣旋強度智能預報方法，其特征在于，所述方法包括：獲取研究時間段內的SHIPS數據和熱帶氣旋強度數據，對所述SHIPS數據進行預處理；其中，所述SHIPS數據中包含多個影響熱帶氣旋強度預報準確性的預報因子；將研究時間段內的熱帶氣旋強度數據和預處理后的SHIPS數據整理為初始數據集，并按照時間序列將所述初始數據集劃分為模型訓練樣本和獨立測試樣本；選用可解釋性深度學習網絡KAN2.0作為預訓練模型；將所述模型訓練樣本輸入所述預訓練模型進行特征自適應優化，獲取模型輸出的預報因子的權重及強度預報的均方根誤差，基于權重排序對預報因子進行篩選剪枝，并重復將剪枝后的預報因子集輸入所述預訓練模型，直至預報因子的數量小于設定值，并根據模型每輪輸出的均方根誤差的排序，對特征自適應優化過程中得到的不同數量的預報因子集進行篩選，獲取高影響因子集；將高影響因子集篩選后的模型訓練樣本輸入預訓練模型，采用三重交叉驗證算法及TPE貝葉斯優化算法對所述預訓練模型進行優化訓練，直至得到TCI-KAN智能預報模型；將高影響因子集篩選后的模型訓練樣本輸入TCI-KAN智能預報模型進行模型魯棒性檢驗，并將高影響因子集篩選后的獨立測試樣本輸入TCI-KAN智能預報模型進行預報，輸出得到熱帶氣旋強度預報結果；其中，基于權重排序對預報因子進行篩選剪枝，并重復將剪枝后的預報因子集輸入預訓練模型，直至預報因子的數量小于設定值，包括：采用權重分析算法，篩選預訓練模型輸出的權重最低的10%的預報因子進行剪枝，將剪枝后的預報因子集及熱帶氣旋強度數據重新輸入預訓練模型進行特征自適應優化，并輸出新的強度預報的均方根誤差及新的預報因子權重排序，重復上述預報因子的剪枝過程，直至預報因子的個數少于10個；其中，根據模型每輪輸出的均方根誤差的排序，對特征自適應優化過程中得到的不同數量的預報因子集進行篩選，獲取高影響因子集，包括：對預訓練模型每輪輸出的強度預報的均方根誤差進行排序，篩選均方根誤差最低時，輸入預訓練模型的預報因子集作為高影響因子集，共18個高影響因子，排序為：6h之前熱帶氣旋中心近地面風速；當前時刻熱帶氣旋中心近地面風速；衛星云圖中距熱帶氣旋中心20-120km亮溫最小值；熱帶氣旋中心距離陸地的距離；熱帶氣旋大小估計相關參數2；熱帶氣旋大小估計相關參數1；距熱帶氣旋中心50-200km內，亮溫小于40℃的占比；26℃的等溫線深度；衛星云圖中距熱帶氣旋中心20-120km平均亮溫；距熱帶氣旋中心0-500km內氣塊上升平均垂直速度；廣義850-200hPa切變大小隨時間變化；衛星云圖中距熱帶氣旋中心0-30km亮溫最大值；NCEP再分析資料中850hPa低渦中心經度；NCEP再分析資料中850hPa低渦中心緯度；NCEP再分析資料中850hPa最大對稱切向風；距熱帶氣旋中心0-1000km內平均可降水量；距熱帶氣旋中心400-600km內的平均可降水量；切向風在500hPa高度距離中心500公里內的方位平均。

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人民解放軍國防科技大學，其通訊地址為：410073 湖南省長沙市開福區德雅路109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”。