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！

龙图腾网恭喜南京信息工程大学申请的专利基于机器学习的流依赖背景场误差协方差动态调整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：CN119782722B 。

龙图腾网通过国家知识产权局官网在2025-05-09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：202510297950.3，技术领域涉及：G06F18/15；该发明授权基于机器学习的流依赖背景场误差协方差动态调整方法是由孟德明;陈耀登;王元兵;李昕设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本基于机器学习的流依赖背景场误差协方差动态调整方法在说明书摘要公布了：本发明公开一种基于机器学习的流依赖背景场误差协方差动态调整方法，通过将背景场关键变量经由机器学习模型映射至集合离散度，从而量化背景场不确定度，并在此基础上对原有静态误差协方差进行动态调节。本发明能够灵活反映不同天气背景条件下的流依赖误差特征，即使在无需集合预报的情况下，也能有效捕捉高维、非线性及各向异性的误差分布特征。本发明在同化系统的背景场优化、背景场误差协方差矩阵的动态调整以及流依赖性误差分析等方面具有重要应用价值，适用于数值天气预报等领域。

本发明授权基于机器学习的流依赖背景场误差协方差动态调整方法在权利要求书中公布了：1.一种基于机器学习的流依赖背景场误差协方差动态调整方法，其特征在于，包括以下步骤：S100、利用集合扰动方法对控制试验的背景场进行扰动，生成多个初始成员，并通过数值模式积分得到集合成员的预报场；S200、基于所述预报场计算目标时刻的集合离散度，量化背景场的不确定度；S300、从控制试验的背景场中提取气象要素作为输入特征，通过训练后的机器学习模型建立所述输入特征与集合离散度之间的非线性映射关系，预测背景场不确定度；从控制试验的背景场中提取的气象要素，至少包括风速、温度、气压、湿度及水凝物变量，将这些从控制试验的背景场中提取气象要素作为输入特征X，表示为：X＝[u,v,t,p,q,Qc,Qr,Qi,Qs,Qg]；其中，u、v为风速分量，t为温度，p为气压，q为湿度，Qc、Qr、Qi、Qs和Qg分别为水凝物变量中的云水、雨水、冰晶、雪和霰；S400、对预测的不确定度进行归一化处理；S500、基于归一化后的不确定度值，动态调整静态背景场误差协方差矩阵，生成流依赖的误差协方差矩阵；具体方法为：将归一化后的不确定度作为权重指数引入背景场误差协方差矩阵的计算中，其中在三维空间的每个点上具有独立取值，从而动态调节协方差的空间分布，使其具备流依赖性，调整公式表示为：B′＝W-1BW-1；其中，B′为调整后的背景场误差协方差矩阵，B为原始背景场误差协方差矩阵，内积W为动态调整权重矩阵；动态调整权重矩阵W的计算公式为： 其中，α为调节参数，控制W随不确定度的增长速率；S600、将调整后的背景场误差协方差矩阵、模式背景场及观测数据输入同化系统，求解分析场；S700、利用所述分析场进行确定性预报，并将预报结果作为下一周期的背景场输入同化循环中，进行背景误差协方差的持续实时优化调整。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市浦口区宁六路219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”。