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！

龙图腾网获悉北京石油化工学院申请的专利基于多模态模型的行业污染排放贡献预判方法和装置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：CN119990470B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202510381434.9，技术领域涉及：G06Q10/04；该发明授权基于多模态模型的行业污染排放贡献预判方法和装置是由王亚飞;李啟源;刘卓远;刘笑瑒设计研发完成，并于2025-03-28向国家知识产权局提交的专利申请。

本基于多模态模型的行业污染排放贡献预判方法和装置在说明书摘要公布了：本申请涉及污染相关技术领域，具体涉及一种基于多模态模型的行业污染排放贡献预判方法和装置。其中，方法包括：收集原始数据；其中，所述原始数据包括PM2.5的相关数据；运用SwinLSTM模型，融合SwinTransformer多尺度特征提取能力与LSTM时间序列处理能力，对原始数据进行预处理，得到训练数据；构建由卷积神经网络和图注意力网络组成的多模态优化深度学习模型；基于所述训练数据对所述多模态优化深度学习模型进行训练和调优；获取待预测的目标行业信息；使用训练完成的多模态优化深度学习模型，基于所述目标行业信息，进行预测，得到目标行业坐落在某一地段后的污染排放预判。

本发明授权基于多模态模型的行业污染排放贡献预判方法和装置在权利要求书中公布了：1.一种基于多模态模型的行业污染排放贡献预判方法，其特征在于，包括： 收集原始数据；其中，所述原始数据包括PM2.5的相关数据;所述原始数据包括气象数据、地理信息数据、工业排放数据、交通排放数据、能源排放数据以及PM2.5各组分浓度监测数据; 运用SwinLSTM模型，融合SwinTransformer多尺度特征提取能力与LSTM时间序列处理能力，从不同尺度深度挖掘各类数据，提取关键空间特征，同时捕捉数据随时间的演变规律及对PM2.5浓度的影响，对原始数据进行预处理，得到训练数据； 构建由卷积神经网络和图注意力网络组成的多模态优化深度学习模型；其中卷积神经网络通过卷积层和池化层的组合，高效提取数据空间特征，精准捕捉各行业排放源与PM2.5浓度分布之间的关联，识别不同区域内行业排放对PM2.5污染的影响模式；图注意力网络利用注意力机制，对各行业排放源节点的特征进行加权处理，深入分析各行业排放源之间的相互关系，以及它们对PM2.5各污染组分的影响权重，多模态优化深度学习模型用于预测不同行业在不同区域、不同时段、不同气象条件下对PM2.5各污染组分的贡献比例； 基于所述训练数据对所述多模态优化深度学习模型进行训练和调优； 获取待预测的目标行业信息；其中，所述目标行业信息包括：该行业类别、该行业排放数据、所在地段的地理信息、气象条件； 使用训练完成的多模态优化深度学习模型，基于所述目标行业信息，进行预测，得到目标行业坐落在某一地段后的污染排放预判。

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北京石油化工学院，其通讯地址为：102600 北京市大兴区清源北路19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。