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！

龙图腾网获悉中国海洋大学申请的专利基于时空特征融合的近海叶绿素a浓度预测方法及系统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：CN115587646B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202211102170.1，技术领域涉及：G06Q10/04；该发明授权基于时空特征融合的近海叶绿素a浓度预测方法及系统是由聂婕;叶敏;郑程予;王成龙;左子杰;谢华鑫设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本基于时空特征融合的近海叶绿素a浓度预测方法及系统在说明书摘要公布了：本发明属于深度学习技术领域，公开了基于时空特征融合的近海叶绿素a浓度预测方法及系统，首选获取原始叶绿素a遥感数据、气象遥感数据及浮标叶绿素a监测数据，进行数据预处理，补全得到连续时空序列数据；然后基于空间异质性，将待预测海域划分为若干个子分区；对每一个子分区，制作基于时间的输入数据和基于空间的输入数据，并利用时空注意力特征融合预测网络获取每一个子分区的叶绿素a的时间演变特征和空间演变特征；最后将每一个子分区的时间演变特征图和空间演变特征图后融合，得到分区预测结果，合并所有子分区预测结果，得到长时序连续的整个近海区域叶绿素a预测图，解决时空特征挖掘不充分和近海叶绿素a浓度数据分布不均衡问题。

本发明授权基于时空特征融合的近海叶绿素a浓度预测方法及系统在权利要求书中公布了：1.基于时空特征融合的近海叶绿素a浓度预测方法，其特征在于，包括以下步骤： 步骤1、获取原始叶绿素a遥感数据、气象遥感数据及浮标叶绿素a监测数据； 步骤2、数据预处理，补全得到叶绿素a连续时空序列数据； 步骤3、空间异质性分区处理：基于空间异质性，根据步骤2所得叶绿素a连续时空序列数据将待预测海域划分为若干个子分区； 具体来说，基于近海的空间异质特性，构建近岸、中部海域和远离近岸的多个子区域，并对每个子区域进行单独训练预测； 步骤4、构建时空注意力特征融合预测网络，对步骤3划分后的每一个子分区，制作基于时间的输入数据和基于空间的输入数据，并利用时空注意力特征融合预测网络获取每一个子分区的叶绿素a的时间演变特征和空间演变特征； 所述时空注意力特征融合预测网络包括基于注意力机制的时间特征抽取模块、基于局部特征和全局特征的空间特征抽取模块、时空特征融合预测模块，通过所述时间特征抽取模块获取叶绿素a的时间演变特征图，通过所述空间特征抽取模块获取叶绿素a的空间演变特征图； 步骤5、利用时空特征融合预测模块将每一个子分区的时间演变特征图和空间演变特征图进行后融合，得到下一个前置时间的叶绿素a预测图； 所述时空特征融合预测模块完成对空间特征抽取模块和时间特征抽取模块的特征图进行融合与预测，具体方法如下： 首先重构输入序列，由时间演变特征图和空间演变特征图拼接而成；利用一层卷积操作对重构输入序列完成时空融合特征关联关系提取，然后经过一个线性层和激活层的转换实现负值的过滤；最后将多个子区域预测结果进行拼接，实现整个区域的叶绿素a浓度预测； 步骤6、迭代分区预测，合并所有子分区预测结果，得到长时序连续的整个近海区域叶绿素a预测图。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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。