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！

龙图腾网获悉中国海洋大学申请的专利一种基于声-光-电技术的海底采矿羽流扩散监测装置的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：CN119845353B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510120215.5，技术领域涉及：G01D21/02；该发明授权一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法是由贾永刚;陈翔;范智涵;朱宪明;陈时平;吴丙伟设计研发完成，并于2025-01-25向国家知识产权局提交的专利申请。

本一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法在说明书摘要公布了：本发明提供了一种基于声‑光‑电技术的海底采矿羽流扩散监测装置的方法,通过结合声学、光学和电学多种监测技术，实现对深海采矿羽流扩散过程的多维度、高精度监测。具体目标包括：多源数据融合：将声学、光学和电学数据进行有效融合，提高羽流扩散监测的准确性和全面性。浓度转换精度提升：通过多源数据校准，实现声学数据向颗粒浓度数据的高精度转换。实时监测能力：提供实时监测和数据分析能力，及时反映羽流扩散的动态变化。环境影响评估：为深海采矿环境影响评估提供可靠的数据支持，促进可持续发展。

本发明授权一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法在权利要求书中公布了：1.一种基于声-光-电技术的海底采矿羽流扩散监测装置的方法，其特征在于,所述海底采矿羽流扩散监测装置包括声学监测模块、声学监测模块、和光学监测模块； 所述声学监测模块包括下视的声学多普勒流速剖面仪ADCP（1-1）、下视ADCP连接杆（1-2）和声学换能器发射接收头（1-3），声学换能器发射接收头（1-3）安装在声学多普勒流速剖面仪ADCP（1-1）的端部； 所述声学监测模块包括自上至下一次连接的装置控制终端（2-1）、自然电位探杆（2-2）和锥形头（2-3），声学多普勒流速剖面仪ADCP（1-1）通过下视ADCP连接杆（1-2）安装在装置控制终端（2-1）上，自然电位探杆（2-2）上每隔2厘米设置一个电极环；装置控制终端2-1用于设置装置的工作状态并本地存储监测数据，确保数据不丢失，可外接电源； 所述光学监测模块包括光学浊度计（3-1）和双联卡箍，光学浊度计（3-1）通过双联卡箍安装在自然电位探杆（2-2）上； 具体包括以下步骤： 步骤S1：监测设备的部署 将海底采矿羽流扩散监测装置按照预定位置部署于海床基上，确保各设备能够覆盖羽流可能扩散的区域； 步骤S2：数据采集 声学多普勒流速剖面仪ADCP（1-1）持续发射声波并接收回声强度，记录羽流扩散的声学信号及水流数据； 光学浊度计（3-1）实时测量水体中的悬浮颗粒浓度，记录颗粒浓度的变化； 自然电位探杆（2-2）定期记录沉积物与海水的自然电位差，监测沉积物分布变化； 步骤S3：数据预处理 对采集到的声学、光学和电学数据进行滤波、去噪处理； 步骤S4：多源数据融合 建立多源数据融合模型，将ADCP（1-1）、光学浊度计（3-1）和自然电位探杆（2-2）的数据进行融合，以提高监测的准确性；具体包括以下步骤： 步骤S4.1：数据同步与对齐 将来自ADCP（1-1）、光学浊度计（3-1）和自然电位探杆（2-2）的数据按照时间和空间进行同步对齐，确保同一时间点的数据对应同一空间位置； 步骤S4.2：特征提取 从各源数据中提取关键特征： ADCP（1-1）数据：声波回声强度𝐴、流速𝑉、流向𝜃； 电学探杆数据：电位差𝐸； 步骤S4.3：构建训练数据集 利用实验室校准的浊度计数据作为标签𝐶，ADCP和电学探杆的数据作为输入特征𝐴,𝑉,𝜃,𝐸，构建训练数据集； 具体表示为： 其中：Xi=[Ai,Vi,θi,Ei]为第i个样本的输入特征向量；Ci为第i个样本的颗粒浓度标签；N为样本数量； 步骤S4.4：选择机器学习算法 选择随机森林算法，建立声学数据到浓度数据的转换模型； 步骤S4.5：模型训练与优化 使用步骤S4.3中构建的训练数据集𝐷对随机森林模型进行训练； 步骤S4.6：模型验证 利用独立的验证数据集，对训练好的随机森林模型进行验证，评估其在不同条件下的预测性能；验证指标包括均方误差MSE、决定系数𝑅2； 步骤S4.7：浓度转换公式 基于训练好的随机森林模型，建立从多源监测数据到颗粒浓度的转换关系；具体公式表示为：C=fA,V,θ,E 其中𝐶为预测的颗粒浓度向量，𝐴为ADCP声波回声强度数据，𝑉为水流速度数据，𝜃为水流方向数据，𝐸为电学探杆电位差数据； 随机森林预测过程： 输入特征向量：X=[A,V,θ,E] 对于随机森林中的每一棵决策树𝑡，其预测结果为： Ct=DecisionTreettX 最终的颗粒浓度预测值𝐶为所有决策树预测结果的平均值： 其中𝑇为随机森林中决策树的数量； 步骤S4.8：多源数据融合模型的应用 将训练好的随机森林模型应用于监测数据，通过输入当前ADCP（1-1）和自然电位探杆（2-2）的数据，预测当前羽流的颗粒浓度。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238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”。