先确定需要预测的时刻
配送计划需要知道预计到达时的天气，而不只是出发时的状态。户外活动、施工及发电量预测也面临类似问题。华为云公开申请US20250258318A1描述了获取气象数据与目标时间，再选择模型推进到目标时间的方法。目标可以是一个时刻或一段时间，实施方式也包括指定区域。
本文讨论的技术亦公开于EP4603879A1。美国文献于2025年8月14日公开，A1公开文本本身不代表已授权专利。输入可以包含气温、湿度、风等多种状态量；推理是将新数据输入已训练模型并计算结果的过程。
为不同预测步长准备模型库
如果只有一个预测一小时后的模型，预测较远时刻就需要反复调用。所披露的方法选择分别负责一小时、三小时、一天等间隔的模型，并确定各自调用次数。训练时，可以由历史时刻的数据生成预测，再与相应未来时刻的实际数据比较。
不同间隔不只是给同一模型更换名称。模型输入、网络结构、训练算法和迭代推理算法可以不同；同一间隔也可以对应多个模型。选择环节将目标预测时长与可用模型及使用次数联系起来。
把前一个预测结果交给后一个模型
第一个模型处理初始气象数据，其输出作为下一模型的输入，最终输出对应目标时间。说明书以三小时、十二小时、七十二小时模型为例，合计达到87小时后；也允许同一模型重复使用。
这种逐次传递与多个模型各自使用初始数据独立预测不同。模型顺序可按不同规则确定，不能将一种顺序理解为所有实施方式的固定要求。每一步的起始时刻、预测间隔和输出时刻必须保持一致。
一个周一至周二的虚拟配送场景
假设周一08时制定计划，希望了解周二11时，也就是27小时后的天气。先用24小时模型得到周二08时的预测状态，再将该状态输入三小时模型，即可得到周二11时的结果。两种间隔均属于文献所举模型库的示例。
中间的周二08时状态是预测值，并非到了周二再采集的新观测。图示用于解释流程，不提供实际天气预测或配送安全判断。24小时加三小时的示例说明，时间戳和气象状态如何随计算一起推进。
融合地表和不同高度的大气信息
一种实现方式同时使用二维地表数据和包含高度维度的三维大气数据。分别通过神经网络提取特征向量后进行融合，再将预测结果拆分为地表与高空输出。这是数值表示的组合和恢复，并非简单叠加两幅图片。
还可根据纬度或高度，在中间计算值或注意力计算结果中加入偏置。注意力用于计算输入元素之间的关系，偏置则引入位置因素。它与选择时间间隔属于不同处理环节。
结合产品用途理解，但区分不同证据
华为盘古产品资料介绍了气温、湿度、风、海平面气压，以及降水、台风路径等气象应用。这些资料有助于理解使用场景，但不能证明公开申请中的全部技术特征均已用于每一种产品。虚拟活动团队在更新预报时，应分别标明基准时刻和目标时刻，避免混用不同时间的结果。
公开申请还描述了用不同模型组合预测同一目标时间，将结果展示或进一步融合的扩展方式。这类集合预测与沿单一路径逐次传递预测状态是两个层次，并非每次请求都必须采用多个组合。
通过输入与连接关系说明技术差异
进行技术和专利分析时，应明确初始数据、目标时间的计算、模型选择规则、中间状态及最终输出，并记录模型边界上的时间与数据格式如何保持一致。对于多源气象输入，还应说明地表、高空表示的融合和拆分过程。
模型准备与实际请求处理应分开描述。把输入、选择、连接、输出说明清楚，能让研发与业务团队围绕具体技术差异讨论。仅以“AI天气预测”命名产品，并不能说明处理过程的差异或专利权的保护范围。