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！

龙图腾网获悉江西省水生生物保护救助中心申请的专利一种基于大数据模型的水生生物管理方法及系统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：CN120107042B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202510596991.2，技术领域涉及：G06Q50/20；该发明授权一种基于大数据模型的水生生物管理方法及系统是由王生;彭乐根;石新源;文嗣鑫;金浩天;马文智;朱忆秋;余进祥设计研发完成，并于2025-05-09向国家知识产权局提交的专利申请。

本一种基于大数据模型的水生生物管理方法及系统在说明书摘要公布了：本发明实施例涉及水生生物管理技术领域，具体公开了一种基于大数据模型的水生生物管理方法及系统。本发明实施例通过大数据技术，构建关联管理模型；获取水域生物数据和水域环境数据，并将水域生物数据进行平台监测展示；进行预处理与特征提取，得到综合特征数据；将综合特征数据导入至关联管理模型中，输出关联管理信息；生成管理指导信息，并进行平台管理展示。能够构建关联管理模型，获取水域生物数据和水域环境数据，进行水域生物的平台监测展示，并通过关联管理模型，输出关联管理信息，进行管理指导的平台管理展示，提高水生生物管理的精确性和科学性，能够对水域生态的细微变化做出及时响应，实现水生生物管理效能的最大化发挥。

本发明授权一种基于大数据模型的水生生物管理方法及系统在权利要求书中公布了：1.一种基于大数据模型的水生生物管理方法，其特征在于，所述方法具体包括以下步骤： 基于大数据技术，获取历史关联数据，将所述历史关联数据划分为训练集和测试集，进行模型训练与测试，构建关联管理模型； 确定目标管理水域，进行管理监测，获取水域生物数据和水域环境数据，并将所述水域生物数据进行平台监测展示； 从所述水域生物数据中，筛选生物变量数据，并对所述生物变量数据和所述水域环境数据进行预处理与特征提取，得到综合特征数据； 将所述综合特征数据导入至所述关联管理模型中，输出关联管理信息，并从所述关联管理信息中，提取有效管理信息； 按照所述有效管理信息，生成管理指导信息，并进行平台管理展示； 其中，所述基于大数据技术，获取历史关联数据，将所述历史关联数据划分为训练集和测试集，进行模型训练与测试，构建关联管理模型具体包括以下步骤： 基于大数据技术，获取历史记录数据； 对所述历史记录数据进行关联识别，提取历史关联数据； 按照预设的数据集划分比例，对所述历史关联数据进行划分处理，得到训练集和测试集； 选择基础预测模型，通过所述训练集和所述测试集进行模型训练与测试，构建关联管理模型； 其中，所述从所述水域生物数据中，筛选生物变量数据，并对所述生物变量数据和所述水域环境数据进行预处理与特征提取，得到综合特征数据具体包括以下步骤： 从所述水域生物数据中，筛选生物变量数据，所述生物变量数据包括多个鱼群密度和对应的鱼群繁殖率； 对所述生物变量数据和所述水域环境数据进行时空对齐，生成对齐生物数据和对齐环境数据； 对所述对齐生物数据和所述对齐环境数据进行数据清洗，生成清洗生物数据和清洗环境数据； 从所述清洗生物数据和所述清洗环境数据中，提取生物特征数据和环境特征数据； 综合所述生物特征数据和所述环境特征数据，得到综合特征数据； 所述从所述清洗生物数据和所述清洗环境数据中，提取生物特征数据和环境特征数据具体包括以下步骤： 通过设置不同尺寸的卷积核构建多层卷积层，以捕获局部与全局的时空动态变化； 利用多层卷积层从时间和空间两个维度上提取生物数据和环境数据的特征，以得到生物时空特征和环境时空特征； 采用跨模态时空注意力机制动态学习生物特征和环境特征之间的相互影响及权重分配，以突出关键时刻和关键区域的生物和环境信息，进而将生物时空特征和环境时空特征进行融合，得到融合后的时空加权特征向量； 将融合后的时空加权特征向量输入至多层非线性映射模块进行全连接层与归一化处理，以提取深层次的非线性特征组合和抽象表达，得到经过深层非线性映射优化后的生物特征向量和环境特征向量； 将经过深层非线性映射优化后的生物特征向量和环境特征向量进行格式统一和归一化处理，得到最终的生物特征数据和环境特征数据； 所述将所述综合特征数据导入至所述关联管理模型中，输出关联管理信息具体包括以下步骤： 采用门控机制，结合当前及前一时刻的综合特征数据，计算监测节点之间的动态关联强度，得到每个时间点对应的动态邻接矩阵； 以动态邻接矩阵为基础，利用图卷积网络对综合特征数据进行空间结构特征提取，得到空间增强后的特征表示矩阵； 利用时空自注意力机制，计算不同时间点空间增强后的特征表示之间的相似度以动态调整各时间点的权重，得到经过时空动态调整的特征表示； 根据当前经过时空动态调整的特征表示选择最优管理动作，并以生态保护、资源利用、环境风险指标构建多目标奖励函数进行强化学习，学习完成后，输出学习得到的最优策略和相应的管理动作建议，得到关联管理信息。

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江西省水生生物保护救助中心，其通讯地址为：330000 江西省南昌市青山湖区科技大道198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”。