一种基于EOF-Kmeans聚类和LDM的两阶段临近降水预报方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明公开了一种基于EOF‑Kmeans聚类和LDM的两阶段临近降水预报方法，通过使用EOF‑Kmeans聚类算法预处理后的雷达降水数据集进行聚类；训练Frame‑wise VAE，将数据编码进低维的潜在空间；将降雨时空预测任务分解为时间模型和空间模型，通过时间模型预测低分辨率下未来降雨的时间，通过空间模型从低分辨率图像中重建高分辨率图像。本发明旨在提高临近降水预报的精度和实用性；将扩散过程在由自动编码器映射到物理像素空间的潜在变量空间中运行，能处理大规模数据时保持较好的计算效率，大幅减小计算资源浪费；同时引入两阶段降雨预测，解决了时间和空间建模之间的性能不均衡问题。

《一种基于EOF-Kmeans聚类和LDM的两阶段临近降水预报方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2024109245489，当前法律状态为已下证，由南京信息工程大学提出申请，发明人为秦华旺;杨川力，申请日期为2024-07-11，公开（公告）日期为2024-11-08，国际专利分类号（IPC）为 G01W 1/10 (2006.01)。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明公开了一种基于EOF‑Kmeans聚类和LDM的两阶段临近降水预报方法，通过使用EOF‑Kmeans聚类算法预处理后的雷达降水数据集进行聚类；训练Frame‑wise VAE，将数据编码进低维的潜在空间；将降雨时空预测任务分解为时间模型和空间模型，通过时间模型预测低分辨率下未来降雨的时间，通过空间模型从低分辨率图像中重建高分辨率图像。本发明旨在提高临近降水预报的精度和实用性；将扩散过程在由自动编码器映射到物理像素空间的潜在变量空间中运行，能处理大规模数据时保持较好的计算效率，大幅减小计算资源浪费；同时引入两阶段降雨预测，解决了时间和空间建模之间的性能不均衡问题。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！