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！

龙图腾网获悉电子科技大学申请的专利基于潜在源贡献分析的深度学习模型的空气质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：CN115757534B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202211286414.6，技术领域涉及：G06F16/2458；该发明授权基于潜在源贡献分析的深度学习模型的空气质量预测方法是由黄欣悦;刘海隆;黎园园;周良军;赵宏涛;沈淳懿设计研发完成，并于2022-10-20向国家知识产权局提交的专利申请。

本基于潜在源贡献分析的深度学习模型的空气质量预测方法在说明书摘要公布了：本发明公开一种基于潜在源贡献分析的深度学习模型的空气质量预测方法，应用于空气质量预测技术领域，针对现有技术在空间上仅考虑研究对象的地理距离，缺乏更深层次的对其空间扩散影响的探讨的问题；本发明利用基于气流轨迹的潜在源贡献分析，构建空间影响图来表示城市间的空间相关性；再通过使用图卷积算法从空间影响图结合各城市的污染状况，从中提取有效的空间特征,并采用长短期记忆模型来学习以往空气中污染物浓度数据中的时间特征,产生预测结果首先利用潜在源贡献分析的结果，作用于图卷积网络，再结合长短期记忆模型进行城市大气污染数据的预测；采用本发明的方法能对城市大气污染物进行时空尺度上的精确预测。

本发明授权基于潜在源贡献分析的深度学习模型的空气质量预测方法在权利要求书中公布了：1.基于潜在贡献分析的深度学习模型的空气质量预测方法，其特征在于，包括： S1、基于潜在源贡献分析方法，计算各周边城市对待预测城市的大气污染贡献因子； S2、根据贡献因子，选取对待预测城市具有影响的城市纳入待分析区域，收集待分析区域的污染数据，并构建空间影响图；待分析区域包括待预测城市与选取的对待预测城市具有影响的城市；构建空间影响图具体为通过建立待预测城市作为预测点的图模型邻接矩阵，得到空间影响图，其中表示空间影响图中的节点个数，，表示城市，N是城市个数；表示边集合；表示为： ； 其中，表示待预测城市； S3、将空间影响图和污染数据输入图卷积网络，从而将污染原始数据转换成具备空间特征的时序数据；步骤S3具体包括以下分步骤： S31、收集研究区域内所有城市的大气污染数据，采用离差标准化对数据进行标准化处理，其公式如下： ； 其中，为大气污染数据的最大值，为大气污染数据的最小值，代表离差标准化后的目标值，代表需要离差标准化的数据； S32、对S1中得到的空间影响图进行对称归一化，即 ； 其中，，是大小为的单位矩阵，是对角矩阵，； S33、定义特征值矩阵来存放N个城市在t时刻的所有标准化处理后的特征数据，t是监测时刻； S34、将对称归一化后的结果进行图卷积运算，计算公式如下： ； 其中，为第l+1层图卷积的输出，为第l层的参数，为第l层图卷积的输出，输入层，表示激活函数； S4、将具备空间特征的时序数据输入到长短期记忆模型中进行训练，提取时序数据的时间特征，对未来大气污染情况进行预测。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。