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！

龙图腾网获悉合肥工业大学;合肥工业大学智能制造技术研究院申请的专利基于多种神经网络融合的空气质量预测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：CN115308370B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210905830.3，技术领域涉及：G01N33/00；该发明授权基于多种神经网络融合的空气质量预测方法是由胡俊涛;陈一源;王威;丁文科;张士诚;崔灿;方勇设计研发完成，并于2022-07-29向国家知识产权局提交的专利申请。

本基于多种神经网络融合的空气质量预测方法在说明书摘要公布了：本发明公开了一种基于多种神经网络融合的空气质量预测方法，CNN卷积神经网络提取并筛选出输入时序数据的主要特征，降低数据维度，再经过BiLSTM双向长短期记忆神经网络以及GRU门控循环单元网络层的学习，再经过反归一化，最终得到下一时刻的污染物浓度值。本发明融合了CNN、BiLSTM、GRU三种神经网络算法，保留了各算法的优势，CNN可以提取具有代表性的特征，降低数据维度，BiLSTM神经网络较好的捕获各特征之间前后较长距离的依赖关系，并且其表达能力比GRU更强，对于时间序列的可控制粒度更细；GRU作为LSTM长短期记忆神经网络的变体，其网络参数更少，因此更容易收敛，并且可以防止梯度弥散。

本发明授权基于多种神经网络融合的空气质量预测方法在权利要求书中公布了：1.一种基于多种神经网络融合的空气质量预测方法，其特征在于：具体包括以下步骤： 步骤1、获取国控站点测得的空气污染物以及气象特征的时序数据，以此构建数据集作为特征输入，并对所述数据集进行预处理，将数据集划分为训练集和测试集； 步骤2、查看各特征之间的皮尔逊相关系数，将与所要预测的特征不相关的其他特征剔除； 步骤3、确定滑动时间窗口T，对每个特征分量进行数据序列段切分处理，构造批数据，并对其进行数据封装； 步骤4、通过tensorflow框架构建CNN-BiLSTM-GRU神经网络，将封装好的训练集输入到神经网络中，不断调整神经网络参数，创建文件保存最好的权重值，得到网络的最优参数；步骤5、将封装好的测试集输入到步骤4得到的具有最优参数的网络架构中，得到所预测特征的预测值与真实值之间的相关系数以及均方根误差，衡量网络的预测性能； 步骤6、将训练好的网络架构用于空气质量预测，将预测值进行反归一化处理，得到准确的下一时刻空气质量预测值； 步骤4中CNN卷积神经网络采用的是一维卷积以及一维池化层； 步骤4中BiLSTM双向长短期记忆神经网络为单层，神经元数量为64个； 步骤4中GRU门循环单元神经网络为双层，第一层神经元数量为64个，第二层神经元数量为32个； 步骤4中构建网络架构的全连接层中，该层神经元分别与前一层的神经元逐个相连。

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合肥工业大学;合肥工业大学智能制造技术研究院，其通讯地址为：230009 安徽省合肥市屯溪路193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”。