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！

龙图腾网获悉国网江苏省电力有限公司;河海大学申请的专利基于Top-K时空图注意网络的沿海站点风速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：CN118656776B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202410342299.2，技术领域涉及：G06F18/25；该发明授权基于Top-K时空图注意网络的沿海站点风速预测方法是由戴强晟;毛莺池;霍雪松;周洪亮;杜云龙;荣毅;李水艳设计研发完成，并于2024-03-25向国家知识产权局提交的专利申请。

本基于Top-K时空图注意网络的沿海站点风速预测方法在说明书摘要公布了：本发明公开一种基于Top‑K时空图注意网络的沿海站点风速预测方法，包括：步骤1：输入沿海地区每个站点采集的风速和相关的辅助特征数据；步骤2：构建风速预测模型；步骤3：输入步骤1中处理好的数据，训练步骤2构建的预测模型；步骤4：计算模型预测的准确率，若准确率超过预设阈值，则执行步骤5，否则，返回步骤3；步骤5：将沿海地区每个站点的风速数据和相关的辅助特征数据输入训练好的预测模型，获得沿海地区多个站点的风速预测值。与现有技术相比，本发明具有预测效果好、实用性好等优点。

本发明授权基于Top-K时空图注意网络的沿海站点风速预测方法在权利要求书中公布了：1.一种基于Top-K时空图注意网络的沿海站点风速预测方法，其特征在于，包括如下步骤：步骤1：生成输入数据；步骤2：构建风速预测模型；步骤3：训练步骤2构建的预测模型；步骤4：计算步骤3训练后的预测模型的准确率，若准确率超过预设阈值，则执行步骤5，否则，返回步骤3；步骤5：将步骤1生成的输入数据输入训练好的预测模型，获得沿海地区所有站点的风速预测值；所述的步骤1中，采集沿海地区所有站点的风速数据和辅助特征数据，对数据进行预处理，生成两类输入数据：1站点的风速数据为：一个设定的沿海地区所有监测站点的历史风速数据；2辅助特征数据是与每个风速监测站点相关的辅助特征数据；所述的步骤2中，基于深度学习原理构建风速预测模型；风速预测模型包括编码器、解码器以及推断层；编码器包括Top-K空间图注意模块、时间自注意模块以及特征融合模块，编码器的输入是由历史风速以及相关的辅助特征数据所生成的图结构和序列结构数据；Top-K空间图注意模块用于捕捉历史数据中站点间的空间相关性，时间自注意模块用于挖掘历史数据中每个站点自身的时间相关性，特征融合模块用于融合历史数据中空间和时间相关性；解码器的结构与编码器相同，二者能够同时并行执行；解码器用于提取预测时间步中的空间和时间相关性并进行融合；解码器的输入是由预测时间步的风速以及相关的辅助特征数据所生成的图结构和序列结构数据；推断层用于结合编码器和解码器的融合特征迭代产生预测序列；对于Top-K空间图注意模块：该模块的输入是由特定沿海地区多站点风速以及相关的辅助特征数据所构建的图结构，图中的节点表示沿海地区的站点，边表示站点间的相关性；Top-K空间图注意模块具体实现步骤如下：第一，使用多层图注意网络计算目标节点与图中其他节点间的注意力分数；第二，使用Top-K机制保留分数排名前K％的其他节点进行下一层注意力分数的计算；第三，按照步骤一和二进行多层迭代，最终输出空间相关特征；对于时间自注意模块：该模块的输入是由风速以及相关的辅助特征数据所构建的序列结构数据，使用多头自注意力机制挖掘站点自身的时间相关性，然后输出时间相关特征；对于特征融合模块：该模块的输入是由Top-K空间图注意模块输出的空间相关特征以及时间自注意模块输出的时间相关特征所构建的序列结构数据，使用时间步长作为标识符将空间相关特征与时间相关特征融合，然后输出时空相关特征；所述推断层的输入是由编码器输出的历史时间步时空相关特征以及解码器输出的预测时间步时空相关特征所构建的序列结构数据；首先使用多头自注意力机制评估历史时间步的时空相关特征对每个预测时间步时空相关特征的影响，然后使用全连接网络输出下一个时间步的预测结果。

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国网江苏省电力有限公司;河海大学，其通讯地址为：210000 江苏省南京市上海路215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”。