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！

龙图腾网获悉厦门大学申请的专利一种基于混合傅里叶神经架构的海湾水动力预测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：CN121543043B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610074331.2，技术领域涉及：G06F18/25；该发明授权一种基于混合傅里叶神经架构的海湾水动力预测方法是由李少斌;陈烨;陈能汪;陆莎莎;孟启承;孙伟伟设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本一种基于混合傅里叶神经架构的海湾水动力预测方法在说明书摘要公布了：本发明公开了一种基于混合傅里叶神经架构的海湾水动力预测方法，属于水动力预测技术领域，该方法包括数据转换、数据预处理、拓扑关系构建、特征提取与融合、模型构建与训练及预测等步骤，通过修改后的trim2nc数据包转换数据格式，经预处理得到静态和动态特征数据集；利用Delaunay三角剖分算法构建网格拓扑关系；通过图神经网络、时间卷积网络分别提取空间和时间特征并融合；结合具备处理不规则几何边界能力的傅里叶神经算子网络进行频域计算，耦合物理知识定义损失函数训练模型，最终实现海湾水动力快速精准预测；本发明解决了传统水动力模型计算成本高、效率低的问题，兼顾预测精度与效率，可为海湾水环境管理与规划提供可靠依据。

本发明授权一种基于混合傅里叶神经架构的海湾水动力预测方法在权利要求书中公布了：1.一种基于混合傅里叶神经架构的海湾水动力预测方法，其特征在于，包括以下步骤： S1、对trim2nc数据包进行修改，并使用修改后的trim2nc数据包，将水动力模型的输出文件转换为Python软件可读的.nc文件； S2、读取转换后的.nc文件并对数据进行预处理，得到三维静态特征数据集和四维动态特征数据集； 步骤S2的具体包括： S21、数据读取：采用Python软件读取转换后的.nc文件，获取水动力模型输出的全局特征数据；所述全局特征数据包括每个网格对应的摩擦系数、流速、水位、地形高程、陆海属性、作用于全局的风应力、潮汐及径流数据； S22、数据预处理：将读取后的数据进行数据清洗、缺失值填充、异常值处理和归一化处理； S23、数据集划分：将各个网格对应的摩擦系数、地形高程和陆海属性作为三维静态特征数据集，得到[H,W,C1]形状的张量，其中，H表示横向网格数，W表示纵向网格数，C1表示静态特征数；将各个网格对应的流速、水位及全局外部驱动条件作为四维动态特征数据集，得到[T1,X,Y,C2]形状的张量，其中，T1为输入的时间步数，X表示横向相对坐标，Y表示纵向相对坐标，C2表示动态特征数； S3、基于网格单元的几何中心，利用Delaunay三角剖分算法，结合四向连通性或八向连通性准则，将隐含的网格拓扑关系转化为显式的图结构，并构建邻接矩阵； S4、构建图神经网络，并将三维静态特征数据集和网格拓扑关系输入图神经网络进行空间拓扑关系学习与特征提取； S5、构建时间卷积网络，并将四维动态特征数据集输入时间卷积网络进行时间序列特征提取与整合； S6、融合图神经网络和时间卷积网络的输出特征，形成统一的多特征表示； S7、构建具备处理不规则几何边界能力的傅里叶神经算子网络，并将融合后的特征输入傅里叶神经算子网络中进行频域混合计算； S8、耦合物理知识，定义损失函数，以三维静态特征数据集、网格拓扑关系和四维动态特征数据集作为输入数据，以预测时刻的各网格对应的流速和水位作为输出标签，训练海湾二维水动力预测模型； S9、将待预测的全局特征数据输入到训练好的海湾二维水动力预测模型，输出得到海湾水动力预测结果。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。