WO2026030335 - WIND PREDICTIONS USING ARTIFICIAL INTELLIGENCE
National phase entry is expected:
Publication Number
WO/2026/030335
Publication Date
05.02.2026
International Application No.
PCT/US2025/039682
International Filing Date
29.07.2025
Title **
[English]
WIND PREDICTIONS USING ARTIFICIAL INTELLIGENCE
[French]
PRÉDICTIONS DE VENT À L'AIDE D'UNE INTELLIGENCE ARTIFICIELLE
Applicants **
ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
Inventors
FORTIER, Frederick, Dube
c/o ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
JAYABALAN, Ezhilmalar
c/o ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
SINGH, Harsimrenjit
c/o ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
GALLANT, Megil
c/o ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
KALLOS, Alexander
c/o ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
LAU, Charles
c/o ZESTY.AI, INC.
283 4th Street
Oakland, CA 94607, US
Priority Data
18/789,427
30.07.2024
US
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| * | |
International Searching Authority |
USPTO
* |
| * | |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Translation |
|
Recalculate
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing | 1495 | |
| EPO | Filing, Examination | 8652 | |
| Japan | Filing | 587 | |
| South Korea | Filing | 574 | |
| USA | Filing, Examination | 2280 |
Total: 13588 USD
Abstract[English]
The disclosure includes systems and methods for receiving, using one or more processors, a location, determining a wind speed associated with the location using a first wind speed machine learning model, determining a wind report frequency associated with the location using a first wind report frequency machine learning model, obtaining first feature data associated with the location including the wind speed associated with the location, the wind report frequency associated with the location, and data describing a first set of features at the location, determining a damage frequency metric associated with the location by applying a first damage frequency machine learning model to the first feature data, obtaining second feature data associated with the location including data describing a second set of features at the location, and determining a damage severity metric associated with the location by applying a first damage severity machine learning model to the second feature data.[French]
L'invention concerne des systèmes et des procédés pour recevoir, à l'aide d'un ou de plusieurs processeurs, un emplacement, déterminer une vitesse de vent associée à l'emplacement à l'aide d'un premier modèle d'apprentissage automatique de vitesse de vent, déterminer une fréquence de rapport de vent associée à l'emplacement à l'aide d'un premier modèle d'apprentissage automatique de fréquence de rapport de vent, obtenir des premières données de caractéristique associées à l'emplacement comprenant la vitesse de vent associée à l'emplacement, la fréquence de rapport de vent associée à l'emplacement, et des données décrivant un premier ensemble de caractéristiques à l'emplacement, déterminer une métrique de fréquence d'endommagement associée à l'emplacement par application d'un premier modèle d'apprentissage automatique de fréquence d'endommagement aux premières données de caractéristique, obtenir des secondes données de caractéristique associées à l'emplacement comprenant des données décrivant un second ensemble de caractéristiques à l'emplacement, et déterminer une métrique de gravité d'endommagement associée à l'emplacement par application d'un premier modèle d'apprentissage automatique de gravité d'endommagement aux secondes données de caractéristique.