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！

龙图腾网获悉四川省环境政策研究与规划院申请的专利一种基于机器学习的水质预测系统及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：CN120338611B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202510788484.9，技术领域涉及：G06Q10/0639；该发明授权一种基于机器学习的水质预测系统及方法是由刘传琨;胡玥;陈明扬;赵康平;陈启华;汪洋;吕思璐;陈奕彤;王维设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本一种基于机器学习的水质预测系统及方法在说明书摘要公布了：本发明公开了一种基于机器学习的水质预测系统及方法，包括数据采集与预处理模块，用于采集多源监测数据并进行预处理；教师模型模块，用于构建神经常微分方程模型，作为教师模型，输出目标水质指标的预测结果；学生模型模块，用于构建轻量级神经网络模型，作为学生模型，进行结构优化训练；轨迹评估模块，用于计算教师模型与学生模型的预测轨迹相似度，优化学生模型结构参数；模型推理模块，用于调用优化后的学生模型生成目标水质指标的预测结果；结果输出模块，用于输出预测结果，并提供展示和存储接口。本发明通过融合神经常微分建模与轨迹相似蒸馏优化机制，实现了对水质时序数据的高精度、轻量化和可持续自适应预测。

本发明授权一种基于机器学习的水质预测系统及方法在权利要求书中公布了：1.一种基于机器学习的水质预测方法，其特征在于，包括如下步骤： S1、采集多个水质监测点的多源监测数据，多源监测数据中以目标水质指标作为真实标签数据，对多源监测数据进行预处理，生成标准化的时间序列训练数据集； S2、基于时间序列训练数据集，构建并训练神经常微分方程模型作为教师模型，输出目标水质指标在各时间点的预测结果； S3、构建学生模型，所述学生模型为结构简化的轻量级神经网络，将时间序列训练数据集输入学生模型进行训练； S4、将目标水质指标在各时间点的预测结果作为软标签输入，同时引入真实标签数据，通过构建基于学生模型与教师模型在时间维度预测轨迹之间相似度的优化机制，对学生模型的结构参数进行动态扰动与更新； S5、将优化后的学生模型投入实际水质预测运行中，实时接收采集到的最新水质时间序列数据，并输出对应时间点的目标水质指标预测结果； S6、监控学生模型在部署运行过程中的预测误差，当预测误差超过设定阈值时，重新执行步骤S2至步骤S4，通过教师模型对学生模型进行增量蒸馏训练，动态提升学生模型对突发水质变化的适应能力； 所述S3具体包括： S31、构建学生模型，所述学生模型为结构简化的轻量级神经网络，包含输入层、时序建模层和输出预测层，其中输入层接收生成的时间序列训练数据集； S32、在时序建模层中采用门控循环单元网络结构，提取各时间步输入特征的动态表示，并构建统一的隐藏状态序列，用于表示每一时间段内的状态演化轨迹； S33、在输出预测层中设置参数可调的浅层全连接网络模块，接收隐藏状态最终值并输出每个目标水质指标的预测结果； S34、获取教师模型在目标水质指标在各时间点的预测值作为软标签序列，与学生模型在各时间步的预测结果进行一一对应，计算在连续时间点上的误差残差序列，记作，其中，表示预测指标编号，表示时间步； S35、基于误差残差序列，构建可学习的残差响应权重函数，刻画学生模型对不同时间段误差强度的响应敏感性，所述权重函数作为状态更新门控参数之一，引导时序建模层在不同时间段采取不同学习步幅，是根据学生模型在每个时间步的预测误差残差而构建； S36、引入结构蒸馏门控机制，根据残差响应权重函数对学生模型的状态更新频率进行动态调节，在高残差时间段提高模型响应精度，在低残差时间段自动抑制无效更新； S37、将生成的误差残差序列与残差响应权重函数一并输出至教师模型反馈接口，对教师模型演化路径进行动态调控； S38、根据结构蒸馏门控机制与残差响应权重函数，对学生模型的参数进行迭代更新，逐步增强对残差信息的感知能力和对反馈控制输入的适应能力，生成具备残差响应特性与调控反馈能力的学生模型。

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四川省环境政策研究与规划院，其通讯地址为：610093 四川省成都市高新区科园南路1号海特国际广场2号楼402、403室；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”。