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！

龙图腾网获悉厦门大学;北京大学申请的专利基于物理信息深度神经网络的多水质指标协同模拟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：CN120338615B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510818717.5，技术领域涉及：G06Q10/0639；该发明授权基于物理信息深度神经网络的多水质指标协同模拟方法是由梁中耀;刘永;蒋青松;舒雅琦;李东锋设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本基于物理信息深度神经网络的多水质指标协同模拟方法在说明书摘要公布了：本发明公开了基于物理信息深度神经网络的多水质指标协同模拟方法，包括以下步骤：S1、确定需进行协同模拟的水质指标，构建用于多水质指标系统模拟的多源数据库；S2、选择适用于多输出水质指标的深度学习模型，完成用于多指标水质协同模拟的物理信息深度神经网络的构建；S3、采用k折交叉验证方法进行水质协同模拟模型的训练，并完成水质协同模拟模型的参数学习；S4、选取评估指标对水质协同模拟模型进行评估，通过调整网络结构和优化超参数提升模拟效果，直到水质协同模拟模型达到模拟准确性要求；S5、基于优化后的水质协同模拟模型，采用深度学习模型解释方法，分析多水质指标协同变化的关键驱动因子，并完成多指标水质协同模拟。

本发明授权基于物理信息深度神经网络的多水质指标协同模拟方法在权利要求书中公布了：1.基于物理信息深度神经网络的多水质指标协同模拟方法，其特征在于，包括以下步骤： S1、确定需进行协同模拟的水质指标，整合水质历史数据、气象数据和水文数据，构建用于多水质指标系统模拟的多源数据库； S2、选择适用于多输出水质指标的深度学习模型，结合水质模拟指标的迁移转化规律，构造用于指导参数学习的物理信息损失函数，完成用于多指标水质协同模拟的物理信息深度神经网络的构建； 步骤S2的具体过程为： S21、多输出模型架构：选择能够支持多输入特征与多输出目标水质指标的Crossformer模型或PatchTST模型作为基础模型； S22、构建损失函数并引入物理约束：结合水质模拟指标的迁移转化规律，在损失函数之上，引入基于物理规律的损失约束项；其中，损失函数为均方误差或平均绝对误差，计算公式为：，，其中，为物理信息损失函数；为多指标输出的损失函数；为指标协同性约束；i为指标的顺序标识；n为指标个数；为第i个指标的完全数据驱动的深度学习模型的损失函数；为第i个指标的渐变性约束；为第i个指标的一致性约束；、、均为物理损失项的权重； S23、根据选择的基础模型的架构，搭建模型框架，将构造好的物理信息损失函数与模型框架相结合，形成完整的用于多指标水质协同模拟的物理信息深度神经网络，并将物理信息深度神经网络作为水质协同模拟模型； S3、采用k折交叉验证方法进行水质协同模拟模型的训练，并完成水质协同模拟模型的参数学习； S4、选取评估指标对水质协同模拟模型的模拟效果进行评估，若模拟准确性未达要求，通过调整网络结构和优化超参数提升模拟效果，直到水质协同模拟模型达到模拟准确性要求； S5、基于优化后的水质协同模拟模型，采用深度学习模型解释方法，分析多水质指标协同变化的关键驱动因子，并完成多指标水质协同模拟； 步骤S5的具体过程为： S51、完成水质协同模拟模型优化后，在优化后的Crossformer模型或PatchTST模型中引入DeepSHAP方法，计算各输入特征对多水质指标协同变化模拟结果的SHAP值； S52、根据DeepSHAP方法计算出的SHAP值的大小和分布，识别出关键驱动因子并进行分析，再绘制变量重要性排序图和特征影响趋势图进行结果可视化，完成多指标水质协同模拟。

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厦门大学;北京大学，其通讯地址为：361000 福建省厦门市思明南路422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”。