買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜湖南億康環保科技有限公司申請的專利一種基于深度學習的復雜水質參數預測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119599224B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510157193.X，技術領域涉及：G06Q10/04；該發明授權一種基于深度學習的復雜水質參數預測方法及系統是由劉勇;陳勇杰;吳霞;劉曼;盧星宇設計研發完成，并于2025-02-13向國家知識產權局提交的專利申請。

本一種基于深度學習的復雜水質參數預測方法及系統在說明書摘要公布了：本發明公開了一種基于深度學習的復雜水質參數預測方法及系統，包括：S1：采集原始水質參數數據并進行預處理，得到預處理后的水質參數數據；S2：對預處理后的水質參數數據，采用改進后的DBSCAN算法提取水質參數數據點簇；S3：提取特征融合向量，并結合水質參數數據點簇，提取耦合特征向量；S4：計算門控循環單元自適應尺度與多尺度水質參數特征，再進行水質參數預測；S5：在預處理后的水質參數數據中添加高斯噪聲，并進行模擬計算，再根據模擬計算結果，計算pH值預測值置信區間、氨氮濃度預測值置信區間、化學需氧量預測值置信區間。本發明可解決傳統水質參數預測方法難以應對多種水質參數類型耦合關聯帶來的預測效果欠佳的問題。

本發明授權一種基于深度學習的復雜水質參數預測方法及系統在權利要求書中公布了：1.一種基于深度學習的復雜水質參數預測方法，其特征在于，包括以下步驟：S1：采集原始水質參數數據并進行預處理，得到預處理后的水質參數數據；所述預處理后的水質參數數據包括pH值時序數據、氨氮濃度時序數據與化學需氧量時序數據；S2：通過計算自適應鄰域半徑、最小樣本數以及每個數據點之間的鄰域距離，改進傳統DBSCAN算法；對預處理后的水質參數數據，采用改進后的DBSCAN算法提取水質參數數據點簇，具體包括：首先，在傳統DBSCAN算法的基礎上，結合多層感知機與sigmoid函數計算自適應鄰域半徑與最小樣本數；其次，引入時間維度權重，計算數據點之間的鄰域距離，對傳統DBSCAN算法進行改進，得到改進后的DBSCAN算法；最后，根據改進后的DBSCAN算法，計算得到水質參數數據點簇；具體為：S21：根據預處理后的水質參數數據，計算自適應鄰域半徑與最小樣本數，計算方式為： ；其中，為最小樣本數，為自適應鄰域半徑，為鄰域半徑矩陣，為sigmoid函數，為多層感知機，分別為pH值時序數據、氨氮濃度時序數據與化學需氧量時序數據，為鄰域半徑偏置向量；S22：遍歷計算預處理后的水質參數數據中，每個數據點之間的鄰域距離，計算方式為： ；其中，為第i、j個數據點之間的鄰域距離，i、j分別為第一數據索引、第二數據索引，，為第i個數據點的pH值時序數據，為第j個數據點的pH值時序數據，為第i個數據點的氨氮濃度時序數據，為第j個數據點的氨氮濃度時序數據點，為第i個數據點的化學需氧量時序數據，為第j個數據點的化學需氧量時序數據，為時間維度權重，為取絕對值，n為預處理后的水質參數數據中的數據點總數；S3：根據預處理后的水質參數數據、水質參數數據點簇，提取核心張量、pH值局部特征序列、氨氮濃度局部特征序列與化學需氧量局部特征序列；再提取特征融合向量；最后結合水質參數數據點簇，提取耦合特征向量；S4：根據耦合特征向量、pH值局部特征序列、氨氮濃度局部特征序列與化學需氧量局部特征序列，計算門控循環單元自適應尺度與多尺度水質參數特征，進行水質參數預測，得到pH值時序數據、氨氮濃度時序數據與化學需氧量時序數據在下一時刻的預測值；S5：在預處理后的水質參數數據中添加高斯噪聲，并進行模擬計算，根據模擬計算結果，基于正態分布假設的方法，計算pH值預測值置信區間、氨氮濃度預測值置信區間、化學需氧量預測值置信區間。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人湖南億康環保科技有限公司，其通訊地址為：410000 湖南省長沙市芙蓉中路匯金國際銀座41樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。