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！

龙图腾网获悉中山大学;广东化一环境科技有限公司申请的专利一种面向流域水质预测的时空联合建模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：CN120373544B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202510455814.2，技术领域涉及：G06Q10/04；该发明授权一种面向流域水质预测的时空联合建模系统及方法是由孙连鹏;张心阳;官永忠;邓欢忠;符帝俊;姚凯;邓丽珍;董育霖;李可文;陈乐昀设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本一种面向流域水质预测的时空联合建模系统及方法在说明书摘要公布了：本发明公开了一种面向流域水质预测的时空联合建模系统及方法，包括数据获取模块、特征提取模块、特征融合模块、模型训练模块、预测输出模块；在流域水质预测过程中，考虑时间和空间的联合影响，设计时空位置编码联合嵌入层，结合水文特征引导的注意力机制，构建时空特征动态融合的门控网络，考虑流域拓扑结构对污染物扩散的时空耦合影响；通过量化监测点在网络中的拓扑重要性，动态调整注意力权重，突出对当前预测任务最有效的特征通道，抑制噪声或冗余信息；在模型训练过程中，采用简化的门控机制，减少梯度分散问题，保持层的非线性，加速收敛，使用动态图学习器，既尊重物理规律，又自适应数据变化，实现更精准的水质建模。

本发明授权一种面向流域水质预测的时空联合建模系统及方法在权利要求书中公布了：1.一种面向流域水质预测的时空联合建模系统，其特征在于，包括：数据获取模块、特征提取模块、特征融合模块、模型训练模块、预测输出模块； 所述数据获取模块：获取流域水质预测过程中各个监测点的流域水质数据，所述流域水质数据包括时间序列数据以及空间拓扑数据，进行各监测点时空数据的对齐以及邻接矩阵的构建； 所述特征提取模块：设置时序编码模块对时间序列数据进行编码，提取时序特征，获得第一数据特征，设置空间编码模块对空间拓扑数据进行空间建模，提取空间特征，得到第二数据特征； 所述时序编码模块采用Informer模型对时间序列数据进行编码，使用动态滑动窗口算法对时间序列数据进行预处理，基于动态窗口选择策略的移动平均方法，结合水质数据变化率实时调整窗口大小，并采用z-score方法对数据进行标准化处理，设计多尺度融合机制，将原始时序数据与多尺度移动平均特征按通道维度拼接，得到第一时序数据； 将所述第一时序数据进行分段后输入神经网络层提取每个子数据序列的局部特征，得到第二时序数据，将所述第二时序数据进行短时傅里叶变换，提取频域特性，得到第三时序数据； 将所述第二时序数据以及所述第三时序数据作为所述Informer模型中编码器的输入，利用概率稀疏自注意力机制处理序列提取特征，采用多头自注意力机制进一步处理序列，捕捉不同子空间中的特征，将处理后的序列送入解码器，获取第一数据特征； 所述空间编码模块采用动态图注意力网络对空间拓扑数据进行空间建模，所述第一数据特征作为输入数据的节点特征，构建每个监测点在不同时间步的隐藏状态，通过拓扑连接定义站点间的空间关系，并根据需要设置边特征； 生成两层动态图注意力网络，第一层采用多头注意力捕获多元空间模式，第二层聚合多头信息并降维，保留关键拓扑特征，通过层归一化稳定训练，并采用Dropout防止数据过拟合，获取第二数据特征； 所述特征融合模块：设定特征融合门控机制，将第一特征数据和第二特征数据进行融合，生成统一的时空表示，动态权衡时空特征，进行自适应的特征融合； 所述模型训练模块：通过多任务损失函数进行训练策略设计，并进行分阶段训练，设置预训练时序模块冻结动态图注意力网络层，单独训练Informer模型，解冻全部参数，通过学习率进行联合微调，并引入动态图学习器进行动态图学习； 所述引入动态图学习器进行动态图学习包括：通过各监测点的特征数据计算所有监测点组合的关联强度得分，将两个监测点的特征进行拼接，通过神经网络预测连接权重，生成邻接矩阵进行动态图的构建，通过损失函数惩罚逆向连接进行水域流向强化，通过Top-k筛选进行稀疏性控制，使得每个监测点只保留最强连接的k个邻居，当污染源站点特征发生突变时，生成新的强连接，流域的下游站点自动增强关联权重，形成临时污染扩散路径； 所述预测输出模块：输出面向流域水质预测结果和效果指标，进行污染物扩散路径的可视化展示，进行突发污染事件的预警。

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山大学;广东化一环境科技有限公司，其通讯地址为：510220 广东省广州市新港西路135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”。

以上内容由龙图腾AI智能生成。