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！

龙图腾网获悉自然资源部宁德海洋中心(自然资源部宁德海洋预报台)申请的专利一种基于深度学习的核电取水口生物数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：CN120409533B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202510923792.8，技术领域涉及：G06N3/006；该发明授权一种基于深度学习的核电取水口生物数量预测方法是由刘炜;程宏;王庆业;夏永健;郭玉臣;林先飞;林俊杰;阮强;林婧;魏雪萍设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于深度学习的核电取水口生物数量预测方法在说明书摘要公布了：本发明涉及核电取水口生物数量预测技术领域，公开了一种基于深度学习的核电取水口生物数量预测方法，该方法先采集环境因子、生物分布及历史预测偏差等数据，构建模型选择关联方程，据此选定当前预测模型，再通过实际生物数量数据判定是否优化模型，最终得到优化的预测模型结构。方法中划定监测区域和目标生物种类，设定统计时段和关键参数，利用群体智能优化技术构建关联方程和权重数据集，通过比较成功率确定模型，依据效果差异临界值判断是否优化模型结构。该方法能提高预测准确性和适应性，为核电取水口生物数量预测提供有效方案。

本发明授权一种基于深度学习的核电取水口生物数量预测方法在权利要求书中公布了：1.一种基于深度学习的核电取水口生物数量预测方法，其特征在于，包括以下步骤： S1、采集不同时段核电取水口区域的环境因子数据、生物种类分布数据以及历史预测偏差数据，得到当前环境因子数据集、当前生物分布数据集以及当前预测偏差数据集； S2、采集每个候选预测模型的历史应用成功率数据、每个候选预测模型的环境因子数据、不同时段的生物分布数据以及预测偏差数据并构建最终模型选择关联方程以及最终环境因子权重数据集，其中，所述最终模型选择关联方程描述候选预测模型的成功率与各类数据之间的数学关系，所述最终环境因子权重数据集明确每个环境因子在模型选择过程中的重要程度； S3、根据最终模型选择关联方程、当前环境因子数据集、当前生物分布数据集以及当前预测偏差数据集选定当前预测模型； S4、通过采集使用当前预测模型之后的实际生物数量数据，判定是否需要对当前预测模型进行参数调整或结构优化，得到判定结果，所述S4包括以下步骤： S41、设定第二当前统计时段；在第二当前统计时段内设定若干个时间节点，得到当前时间节点集；设定若干类能够反映预测模型应用效果的验证参数，得到模型验证参数类型集； S42、配合模型验证参数类型集以及当前时间节点集，采集使用当前预测模型之后的实际生物数量数据，得到当前验证参数矩阵；再采集使用当前预测模型之前的若干个时间节点的平均生物数量数据，得到历史平均数量数据集；计算历史平均数量数据集与当前验证参数矩阵中每行数据之间的差异数值，得到当前效果差异数据集； S43、设定第一效果差异临界值以及第二效果差异临界值；当当前效果差异数据集中存在当前效果差异数值小于第二效果差异临界值时，将当前预测模型切换回当前初始预测模型；当当前效果差异数据集中存在当前效果差异数值大于或者等于第二效果差异临界值且小于第一效果差异临界值时，进入S5；否则，进入S44； S44、根据当前验证参数矩阵并采用前馈神经网络模型对未来时间节点的生物数量数据进行预测，得到未来验证参数矩阵；再计算历史平均数量数据集与未来验证参数矩阵中每行数据之间的差异数值，得到未来效果差异数据集；当未来效果差异数据集存在未来效果差异数值小于第二效果差异临界值时，进入S5；否则，不作处理； S5、根据判定结果对当前预测模型进行结构优化处理，得到最终预测模型结构，所述S5包括以下步骤： S51、设定初始模型结构优化参数；采用初始模型结构优化参数对当前预测模型进行结构优化处理并存储；对当前预测模型进行结构优化处理并存储完成后，根据模型验证参数类型集采集当前的生物数量数据，得到当前优化后验证参数集；计算当前优化后验证参数集与历史平均数量数据集之间的差异数值，得到当前优化后差异数值； S52、当当前优化后差异数值大于或者等于第一效果差异临界值时，将初始模型结构优化参数作为最终预测模型结构；否则，对初始模型结构优化参数进行调整，直到当前优化后差异数值大于或者等于第一效果差异临界值时为止。

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自然资源部宁德海洋中心(自然资源部宁德海洋预报台)，其通讯地址为：352100 福建省宁德市兴宁路3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”。