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！

龙图腾网获悉北京弘象科技有限公司申请的专利基于深度学习的时空降尺度方法、装置、设备及介质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：CN119598162B 。

龙图腾网通过国家知识产权局官网在2025-06-17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：202411663889.1，技术领域涉及：G06F18/213；该发明授权基于深度学习的时空降尺度方法、装置、设备及介质是由刘仕民;林超;陈云刚;金向泽;叶先才;姜钤川;钟雅丽;孙鹏超;秦昊宇;张青山设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本基于深度学习的时空降尺度方法、装置、设备及介质在说明书摘要公布了：本发明提供了一种基于深度学习的时空降尺度方法、装置、设备及介质，涉及电动数字数据技术领域，包括：获取待处理预报数据、预报时效信息和地理信息；对待处理预报数据进行预处理，并将预处理后的待处理预报数据、预报时效信息和地理信息输入至预先训练得到的时空降尺度模型；通过时空降尺度模型，提取待处理预报数据的特征图，并利用预报时效信息提高特征图的时效适应性得到目标特征图，对目标特征图进行非整数倍率上采样处理后，结合地理信息生成时空降尺度后的目标预报数据。本发明可以较好地提升预报数据的时空分辨率，同时有效减少预报偏差，从而显著提升预报效果。

本发明授权基于深度学习的时空降尺度方法、装置、设备及介质在权利要求书中公布了：1.一种基于深度学习的时空降尺度方法，其特征在于，包括： 获取待处理预报数据、预报时效信息和地理信息； 对所述待处理预报数据进行预处理，并将预处理后的所述待处理预报数据、所述预报时效信息和所述地理信息输入至预先训练得到的时空降尺度模型； 通过所述时空降尺度模型，提取所述待处理预报数据的特征图，并利用所述预报时效信息提高所述特征图的时效适应性得到目标特征图，对所述目标特征图进行非整数倍率上采样处理后，结合所述地理信息生成时空降尺度后的目标预报数据； 所述时空降尺度模型包括非整数倍率上采样层和地形融合网络；对所述目标特征图进行非整数倍率上采样处理后，结合所述地理信息生成时空降尺度后的目标预报数据，包括： 对所述待处理预报数据进行空间投影，以将所述待处理预报数据中的像素从当前空间投影至时空降尺度空间，得到所述像素在所述时空降尺度空间中的坐标信息； 基于所述像素在所述当前空间中的坐标信息和所述像素在所述时空降尺度空间中的坐标信息，确定所述像素对应的相对距离； 经所述非整数倍率上采样网络内的多级全连接层对所述像素对应的相对距离和所述预报时效信息进行处理，分别得到所述非整数倍率上采样网络内的网格采样层的偏移量和卷积层的卷积核、偏置，实现对所述非整数倍率上采样层的网络参数的调节； 通过调节参数后的所述网格采样层，对所述目标特征图和所述像素在所述时空降尺度空间中的坐标信息进行上采样处理，得到所述网格采样层的输出结果； 通过调节参数后的所述卷积层，对所述网格采样层的输出结果进行卷积操作，得到所述卷积层的输出结果； 对所述网格采样层的输出结果与所述卷积层的输出结果进行相加处理，得到上采样后特征图； 通过所述地形融合网络，基于所述上采样后特征图与所述地理信息的融合结果，生成时空降尺度后的目标预报数据。

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北京弘象科技有限公司，其通讯地址为：100084 北京市海淀区西杉创意园四区5号楼1层101；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”。