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;自然资源部第一海洋研究所申请的专利一种基于混合深度学习模型的黑潮路径预报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：CN121658920B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610169740.0，技术领域涉及：G06F18/2135；该发明授权一种基于混合深度学习模型的黑潮路径预报方法是由郭子佳;于龙;郭景松;刘祎设计研发完成，并于2026-02-06向国家知识产权局提交的专利申请。

本一种基于混合深度学习模型的黑潮路径预报方法在说明书摘要公布了：本发明涉及海洋信息技术领域，具体为一种基于混合深度学习模型的黑潮路径预报方法，包括以下步骤：获取海流数据；应用改进特征线法识别黑潮流轴，并对识别出的黑潮流轴进行滑动平均和分段插值；通过正交经验函数EOF、时域卷积网络TCN和长短期记忆网络LSTM构建深度学习模型；将分段插值后的黑潮流轴划分为训练集和测试集；采用训练集对构建的模型进行训练，对黑潮路径进行预报训练；将预报时刻之前黑潮路径数据输入训练好的模型，对未来的黑潮路径进行预报。本发明提升时序预测性能；在小数据量的情况下实现较为准确的预报结果。

本发明授权一种基于混合深度学习模型的黑潮路径预报方法在权利要求书中公布了：1.一种基于混合深度学习模型的黑潮路径预报方法，其特征在于，包括以下步骤： 步骤一，获取海流数据：给定海域范围、固定深度层上的流速网格数据； 步骤二，应用改进特征线法识别黑潮流轴，并对识别出的黑潮流轴进行滑动平均和分段插值； 步骤三，通过正交经验函数EOF、时域卷积网络TCN和长短期记忆网络LSTM构建深度学习模型BiFuse-EOF-TCN-LSTM； 步骤四，将分段插值后的黑潮流轴划分为训练集和测试集； 采用训练集对构建的深度学习模型BiFuse-EOF-TCN-LSTM进行训练，对黑潮路径进行预报训练； 步骤五，将预报时刻之前黑潮路径数据输入训练好的深度学习模型BiFuse-EOF-TCN-LSTM，对未来的黑潮路径进行预报； 步骤三中，深度学习模型BiFuse-EOF-TCN-LSTM包括EOF分析单元和TCN-LSTM预报单元； EOF分析单元将两段黑潮路径的数据分解为空间模态和时间函数； 分段插值后，两段黑潮路径的数据作为原始数据，均以矩阵形式给出： 式中，为分段插值后的两段黑潮路径的数据矩阵，为空间点个数，称为空间维度，为时间点个数或样本数，称为时间维度； TCN-LSTM预报单元包括时域卷积网络TCN和长短期记忆网络LSTM； 对两段黑潮路径分别构建深度学习模型BiFuse-EOF-TCN-LSTM模型，分别为第一段黑潮路径预报模型和第二段黑潮路径预报模型； 参数设置如下：设置时间回溯窗口长度为6，预测步长为3，使用Adam优化器，衰减率0.5，初始学习率0.001，其中，第一段黑潮路径预报模型的模型衰减周期为20，第二段黑潮路径预报模型的模型衰减周期为65； 时域卷积网络TCN： 其中，是时间步长为的输出，为输入的时间序列数据，是大小为的卷积滤波器，为卷积运算符，为卷积滤波器中的第j个权重参数，是过去时间步长的输入值，为了捕获长程依赖关系而不增加网络深度，引入扩张卷积，设置的扩张因子为，序列中元素上的扩张卷积操作定义为： 其中，为扩张卷积运算符，为输入序列在过去个时间步的值； 长短期记忆网络LSTM，包括遗忘门、输入门和输出门； 遗忘门：； 输入门：； 通过tanh层创建一个新的候选向量，该候选向量被加入到单元格状态中：； 更新单元格状态：，表示按元素乘法； 输出门：，； 其中，表示当前时间步t的输入，表示遗忘门在时间步t的输出，表示输出门在时间步t的输出，表示输入门在时间步t的输出，表示时间步t的隐藏层状态，表示上一个时间步的隐藏层输出，表示上一时刻的隐藏层输出和当前时刻的输入进行拼接，表示当前时间步t的单元格状态，表示上一个时间步的单元格状态，表示单元格状态候选值，表示门的sigmoid激活函数，表示tanh激活函数，、、、分别表示遗忘门、输入门、生成候选单元格状态、输出门的权重矩阵，、、、分别表示遗忘门、输入门、生成候选单元格状态、输出门的偏置项。

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;自然资源部第一海洋研究所，其通讯地址为：266101 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。