浙江大学;湖州工业控制技术研究院杨秦敏获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉浙江大学;湖州工业控制技术研究院申请的专利一种融合地形与时间感知的物理信息引导风速场数据降尺度方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121685269B 。
龙图腾网通过国家知识产权局官网在2026-05-12发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202610180595.6,技术领域涉及:G06T3/4076;该发明授权一种融合地形与时间感知的物理信息引导风速场数据降尺度方法是由杨秦敏;赵宇航;蒋学俊;周逸桓;孟文超;潘宇设计研发完成,并于2026-02-09向国家知识产权局提交的专利申请。
本一种融合地形与时间感知的物理信息引导风速场数据降尺度方法在说明书摘要公布了:本发明公开了一种融合地形与时间感知的物理信息引导风速场数据降尺度方法,包括:步骤1,多源物理约束建模与数据构建;步骤2,基于条件扩散概率模型的生成式降尺度框架构建;步骤3,融合地形与时间先验的噪声预测网络结构设计;步骤4,模型训练与快速采样推理。本发明解决了现有深度学习降尺度方法生成的风速场纹理过度平滑、丢失高频湍流细节,且忽略了地形强迫作用与风速季节日周期性物理规律的问题,提出了一种结合显式物理特征工程与条件扩散模型的框架,通过地形与时间信息的双重深度融合,兼顾了生成结果的高保真度、物理一致性与推理效率。
本发明授权一种融合地形与时间感知的物理信息引导风速场数据降尺度方法在权利要求书中公布了:1.一种融合地形与时间感知的物理信息引导的风速场数据降尺度方法,其特征在于,包括: 步骤1,进行多源物理约束建模与数据构建,包括: 步骤1.1,构建风场数据对; 步骤1.2,构建多通道地形特征数据,包括: 构建高分辨率静态地形数据,包含以下四项通道信息:1数字高程模型数据;2水平地形梯度,利用Sobel算子对数字高程模型的数据进行卷积计算得到,反映地形在东西方向的陡峭程度;3垂直地形梯度,利用Sobel算子对数字高程模型的数据进行卷积计算得到,反映地形在南北方向的陡峭程度;4海陆掩膜,为二值化矩阵,标识海洋与陆地边界; 这四项通道信息经过一个浅层卷积网络进行处理,得到最终的地形特征图; 所述步骤1.3包括: 采用正弦余弦编码构建时间特征向量τ: , 其中,doy表示这一年中的第几天,表示以天为单位的年周期常数;hour表示这一天中的第几小时,表示以小时为单位的日周期常数; 步骤1.3,进行时间周期性特征编码; 步骤2,构建基于条件扩散概率模型的生成式降尺度框架,包括; 步骤2.1,向真实风场添加噪声以构建正向扩散过程,包括: 采用去噪扩散概率模型作为骨干框架,将降尺度任务建模为在物理条件信息引导下的条件概率分布生成过程,正向过程是一个固定的马尔科夫链,通过向真实的高分辨率数据中逐步添加高斯噪声,直至变成纯高斯噪声,T是一个预设的参数,表示将真实数据完全转化为纯高斯噪声所需的总迭代次数,在任意扩散时间步t,带噪数据由下式直接采样: , 其中,表示原始信号,表示引入的随机高斯噪声项,符号表示服从标准正态分布,该分布均值向量为0,协方差矩阵为单位矩阵,t表示扩散时间步,是一个取值范围为1到T的整数离散变量,是对应于扩散时间步t的预定义噪声方差调度参数,随扩散时间步t单调递减; 步骤2.2,构建反向去噪模型以预测添加的噪声; 步骤3,设计融合地形与时间先验的噪声预测网络结构,所述噪声预测网络结构包括集成通道-空间注意力的残差块、地形信息融合模块和时间信息融合模块,集成通道-空间注意力的残差块的设计包括: 在残差块中引入串联的通道注意力模块和空间注意力模块; 通道注意力模块的实现方式如下:首先分别对输入特征图沿空间维度进行全局平均池化和全局最大池化,以聚合空间信息,然后将两个生成的特征向量分别输入到一个共享权重的多层感知机中,最后将多层感知机的输出相加并通过Sigmoid激活函数生成通道权重图; 将通道权重图作用于输入特征,得到通道细化后的特征; 空间注意力模块的实现方式如下:首先在通道细化后的特征的基础上,沿通道维度分别进行全局平均池化和全局最大池化,得到两个二维特征图,然后将两个特征图进行拼接,并通过一个的卷积层进行融合,最后通过Sigmoid函数生成空间权重图; 最终,将空间权重图作用于,得到经过双重注意力机制增强的最终特征;该最终特征将通过残差连接与原始输入相加,作为下一层的输入; 步骤4,进行模型训练和快速采样推理,包括: 步骤4.1,进行损失函数设计与模型训练; 步骤4.2,构建快速采样推理策略。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江大学;湖州工业控制技术研究院,其通讯地址为:310000 浙江省杭州市西湖区余杭塘路866号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励