基于D3AT-LSTM模型的时空气温并行预测方法(高校公示15天)(不包年费滞纳金)(需要二变)
本发明公开了基于D3AT‑LSTM模型的时空气温并行预测方法,本发明使用经过滑动窗口处理的历史气象观测序列“X”作为网络的输入。该气象数据被输入到结合并行注意力支路的3DCNN模块,通过三维卷积模块进行处理,发挥其在的较短序列间特征抽象能力,引入通道注意力机制来处理短序列特征间的重要度差异,为所有输入特征依据loss损失来自动学习特征权重,使其关注特定的时间通道,实现高阶的时空显著性特征的提取,每个时间节点的数据依次输入到LSTM循环神经单元中,来捕捉每个节点长时间序列下粗粒度的依赖关系。最后,将融合了不同维度特征的高维向量传入全连接层,最终得到预测气温的数值。
《基于D3AT-LSTM模型的时空气温并行预测方法(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 2024107359273,当前法律状态为已下证,由郑州大学提出申请,发明人为赫晓慧;李盼乐;乔梦佳;程淅杰;贺晓宇;刘宪华;杨永辉;孟玉清,申请日期为2024-06-06,公开(公告)日期为2025-12-05,国际专利分类号(IPC)为 G06F 30/27 (2020.01),高新资质:未报高企。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:本发明公开了基于D3AT‑LSTM模型的时空气温并行预测方法,本发明使用经过滑动窗口处理的历史气象观测序列“X”作为网络的输入。该气象数据被输入到结合并行注意力支路的3DCNN模块,通过三维卷积模块进行处理,发挥其在的较短序列间特征抽象能力,引入通道注意力机制来处理短序列特征间的重要度差异,为所有输入特征依据loss损失来自动学习特征权重,使其关注特定的时间通道,实现高阶的时空显著性特征的提取,每个时间节点的数据依次输入到LSTM循环神经单元中,来捕捉每个节点长时间序列下粗粒度的依赖关系。最后,将融合了不同维度特征的高维向量传入全连接层,最终得到预测气温的数值。
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!
