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)恭喜南京信息工程大學申請的專利基于多源數(shù)據(jù)融合的衛(wèi)星XCO₂預測方法和系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產權局授予，授權公告號為：CN120012028B 。

龍圖騰網(wǎng)通過國家知識產權局官網(wǎng)在2025-06-20發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510491472.X，技術領域涉及：G06F18/25；該發(fā)明授權基于多源數(shù)據(jù)融合的衛(wèi)星XCO₂預測方法和系統(tǒng)是由胡凱;黃郁鑫;李孟堯;梁興宇;洪櫟妍;姜閃閃;夏旻;張福穎設計研發(fā)完成，并于2025-04-18向國家知識產權局提交的專利申請。

本基于多源數(shù)據(jù)融合的衛(wèi)星XCO₂預測方法和系統(tǒng)在說明書摘要公布了：本發(fā)明公開了基于多源數(shù)據(jù)融合的衛(wèi)星XCO2預測方法和系統(tǒng)，屬于大氣環(huán)境監(jiān)測與遙感數(shù)據(jù)處理技術領域，用于解決現(xiàn)有衛(wèi)星XCO2數(shù)據(jù)因云層遮擋、傳感器誤差等原因導致的時空不連續(xù)問題。通過整合多源衛(wèi)星遙感數(shù)據(jù)及人為活動數(shù)據(jù)，構建時空耦合的深度學習模型，實現(xiàn)高精度XCO2缺失值填補與未來時間序列預測。最終，本發(fā)明突破了傳統(tǒng)碳排放清單法的滯后性限制，可支持碳排放動態(tài)反演的實時監(jiān)測需求且為環(huán)境監(jiān)測、碳排放評估及政策制定提供支持。

本發(fā)明授權基于多源數(shù)據(jù)融合的衛(wèi)星XCO₂預測方法和系統(tǒng)在權利要求書中公布了：1.基于多源數(shù)據(jù)融合的衛(wèi)星XCO2預測方法，其特征在于，包括如下步驟：步驟1，構建數(shù)據(jù)集，包括歷史XCO2數(shù)據(jù)和輔助變量；步驟2，構建預測模型用于預測XCO2數(shù)據(jù)，所述預測模型的輸入數(shù)據(jù)為歷史XCO2數(shù)據(jù)和輔助變量；所述預測模型表示為： ；其中，表示歷史XCO2數(shù)據(jù)在過去個時間步的數(shù)據(jù)，具有個特征，表示輔助變量在過去個時間步的數(shù)據(jù)，具有個特征，是預測出的XCO2數(shù)據(jù)在未來個時間步的預測值；所述預測模型對輸入數(shù)據(jù)處理的過程如下：步驟2.1，對歷史XCO2數(shù)據(jù)按時間維度進行均值歸一化處理，得到；步驟2.2，采用一維卷積對進行滑動聚合，通過加權平均周圍時間點的數(shù)據(jù)來提取局部特征，將卷積結果與輸入序列進行殘差連接，得到輸出結果，作為目標特征的信息；所述一維卷積使用了零填充，所述一維卷積的卷積核大小為；步驟2.3，對輔助變量采用通道注意力ECA機制，通過全局平均池化與自適應一維卷積生成通道權重，經(jīng)過通道加權的特征張量被重新排列回其原始形狀，得到ECA模塊的輸出結果，加權后的輔助特征；步驟2.4，將步驟2.2的輸出結果與加權后的輔助特征進行交叉注意力融合，得到包含輔助變量信息的目標變量；步驟2.5，對所述包含輔助變量信息的目標變量進行預測，得到最終的預測結果；步驟3，利用數(shù)據(jù)集對所述預測模型進行訓練，得到訓練好的預測模型，利用所述訓練好的預測模型對XCO2數(shù)據(jù)進行預測。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人南京信息工程大學，其通訊地址為：210044 江蘇省南京市浦口區(qū)寧六路219號；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)”。