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！

龙图腾网恭喜北京夏初科技集团有限公司申请的专利一种测风数据代表性和可靠性的提升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：CN119669213B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202510192490.8，技术领域涉及：G06F16/215；该发明授权一种测风数据代表性和可靠性的提升方法是由常琪光设计研发完成，并于2025-02-21向国家知识产权局提交的专利申请。

本一种测风数据代表性和可靠性的提升方法在说明书摘要公布了：本发明提供了一种测风数据代表性和可靠性的提升方法，涉及测风数据处理技术领域，其中方法包括：根据历史测风数据对所有场景区域的测风数据进行第一筛选，得到相同场景下数据符合代表性要求的区域；计算筛选得到的区域内每个站点测风数据的平均差值，并根据平均差值对站点测风数据进行第二筛选，得到每个区域内符合标准的代表性数据；将所述代表性数据输入预先训练好的插补模型中，输出得到插补数据，并对所述插补数据与接收端待存储数据进行校验，以使待存储数据为完整的插补数据。本方案能够使测风数据更具代表性和可靠性，保证了风资源评估的准确性。

本发明授权一种测风数据代表性和可靠性的提升方法在权利要求书中公布了：1.一种测风数据代表性和可靠性的提升方法，其特征在于，包括：根据历史测风数据对所有场景区域的测风数据进行第一筛选，得到相同场景下数据符合代表性要求的区域；计算筛选得到的区域内每个站点测风数据的平均差值，并根据平均差值对站点测风数据进行第二筛选，得到每个区域内符合标准的代表性数据；将所述代表性数据输入预先训练好的插补模型中，输出得到插补数据，并对所述插补数据与接收端待存储数据进行校验，以使待存储数据为完整的插补数据；所述将所述代表性数据输入预先训练好的插补模型中，输出得到插补数据，包括：确定所述代表性数据的缺测状况；其中，当所述代表性数据仅在一个高度层缺失，则对所述代表性数据进行同塔插补，当所述代表性数据在多个高度层均缺失，则对所述代表性数据进行异塔插补；根据所述缺测状况确定没有数据缺测的参考数据，并将所述参考数据与待插补的代表性数据输入训练好的插补模型，输出得到所述插补数据；所述插补模型通过如下方式训练得到：将没有数据缺测的原始数据集分为训练集和测试集，并从所述训练集中随机抽取多个子训练集；对每个所述子训练集均建立分类决策树，并根据预设的损失函数对所述分类决策树进行分裂和裁剪，得到多个决策模型；所述损失函数为： 式中，为预测误差；为第I颗树的叶子节点个数；为权衡训练数据的拟合程度和树的复杂程度的参数；为第I颗树的复杂程度；利用所述测试集对所有所述决策模型进行筛选评估，确定分类结果最准确的决策模型为所述插补模型；所述插补模型为： 式中，为适应性函数；Y为模型输出的属性分类变量；r为决策模型的总数；为r个决策模型中第i个决策模型；所述对所述插补数据与接收端待存储数据进行校验，包括：将目标传输时间段内传输的测风数据排列形成一个多阶矩阵，并根据数据信息将该矩阵转换成对应的图像，其中数据信息与图像属性之间的对应关系为图像尺寸用于表征数据大小，即矩阵的行列数；图像格式用于表征数据类型；图像分辨率用于表征数据值域；图像噪点用于表征数据默认值；图像饱和度用于表征更新时间；提取用于表征所述插补数据的第一数据信息和用于表征所述待存储数据的第二数据信息；其中，所述数据信息包括：数据大小、数据类型、数据值域、数据默认值和更新时间；对所述第一数据信息和所述第二数据信息均进行数据转换，得到第一图像属性信息和第二图像属性信息；其中，所述图像属性信息包括图像尺寸、图像格式、图像分辨率、图像噪点和图像饱和度；基于所述第一图像属性信息和所述第二图像属性信息，校验所述插补数据和所述待存储数据；分别对所述第一图像属性信息和所述第二图像属性信息进行转换，得到第一图像和第二图像；判断所述第一图像和所述第二图像是否存在差异；若是，则确定所述待存储数据为不完整数据，重新传输所述插补数据，否则确定所述待存储数据为完整数据。

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夏初科技集团有限公司，其通讯地址为：101100 北京市通州区贡院街1号院1号楼二层206-48室；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”。