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！

龍圖騰網恭喜山東科技大學;自然資源部第一海洋研究所申請的專利一種基于深度學習的海洋內波監測方法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：CN119622614B 。

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：202510169470.9，技術領域涉及：G06F18/2433；該發明授權一種基于深度學習的海洋內波監測方法是由呂元超;陳亮;崔虎山;唐海洋;胡同欣設計研發完成，并于2025-02-17向國家知識產權局提交的專利申請。

本一種基于深度學習的海洋內波監測方法在說明書摘要公布了：本發明公開一種基于深度學習的海洋內波監測方法，屬于海洋內波監測技術領域，用于海洋內波監測，包括采集觀測海域的流速數據集，作為原始數據集，對原始數據集進行質控，對質控后的數據進行正常序列和異常序列的區分，并劃分訓練集、驗證集和測試集；構建海洋內波異常監測模型，優化異常評分且重構誤差參數，利用訓練好的海洋內波異常監測模型對海域的流速觀測數據進行監測，識別海洋內波序列；對海洋內波異常監測模型提取的海洋內波序列進行內波動力學特征分析并輸出特征。本發明采用深度學習模型能夠準確捕捉正常流速的行為模式，并通過重構誤差實現內波流的異常檢測，有效區分正常流速和內波流速，減少了由傳統方法引起的誤判和漏判情況。

本發明授權一種基于深度學習的海洋內波監測方法在權利要求書中公布了：1.一種基于深度學習的海洋內波監測方法，其特征在于，包括：S1、采集觀測海域的流速數據集，作為原始數據集，對原始數據集進行質控，對質控后的數據進行正常序列和異常序列的區分，并劃分訓練集、驗證集和測試集；S2、在自編碼器AE模型的基礎上進行改進，構建海洋內波異常監測模型，優化異常評分且重構誤差參數，利用訓練好的海洋內波異常監測模型對海域的流速觀測數據進行監測，識別海洋內波序列；S3、對海洋內波異常監測模型提取的海洋內波序列進行內波動力學特征分析并輸出特征；海洋內波異常監測模型包括數據輸入層、編碼器層、潛在特征層、編碼器層和重構數據層；數據輸入層將時間序列數據輸入至編碼器層，所述編碼器層包括一個多尺度卷積層和一個LSTM層，多尺度卷積層包括感受野從小到大的多個卷積層，多尺度卷積層輸出不同感受野的特征，LSTM層融合不同感受野的特征并將特征映射到潛在特征層，在編碼器層中引入時間步注意力機制，動態關注重要時間點，生成加權特征用于解碼器解碼；編碼器層包括一個多尺度卷積層和一個LSTM層，編碼器層從潛在特征層中提取信息，重現與原始輸入相似的序列，將生成的重構結果輸入重構數據層；在海洋內波異常監測模型中引入異常評分計算和重構誤差計算；對于潛在特征層中的特征進行異常評分計算，建立超球體來捕捉正常數據的分布，在訓練過程中，自動調整超球體的半徑，以適應正常數據的分布變化，基于正常數據的分布動態更新超球體半徑，當網絡對輸入數據進行推理時，計算潛在特征與超球體中心的距離： ；式中，是潛在特征與超球體中心的距離，是潛在特征，根據判斷數據是否偏離正常分布，進而判斷是否異常；使用均方誤差進行重構誤差計算： ；式中，是重構誤差計算結果，是流速值，是流速估值，是樣本總數，是特征總維度，是第層的樣本在時間步和特征維度上的實際值，是第層的樣本在時間步和特征維度上的重構值；將異常評分和重構誤差求和生成最終的異常評分： ；式中，是最終的異常評分，是加權參數；設置判斷閾值，若超過判斷閾值則判定為異常數據點；將數據輸入層的數據與重構數據層的數據進行對比，計算它們之間的最終的異常評分，篩選異常數據。

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山東科技大學;自然資源部第一海洋研究所，其通訊地址為：266590 山東省青島市黃島區前灣港路579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”。