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！

龙图腾网获悉常州大学申请的专利基于时空图卷积网络模型的臭氧浓度预测方法、装置、设备及介质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：CN119578648B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411734987.X，技术领域涉及：G06Q10/04；该发明授权基于时空图卷积网络模型的臭氧浓度预测方法、装置、设备及介质是由罗俊如;高骏驰;徐柯君;石林;官威;胡超设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本基于时空图卷积网络模型的臭氧浓度预测方法、装置、设备及介质在说明书摘要公布了：本发明涉及臭氧浓度预测技术领域，尤其涉及一种基于时空图卷积网络模型的臭氧浓度预测方法、装置、设备及介质，方法包括获取目标区域的历史臭氧浓度和气象数据，标准化后构建训练与预测样本；建立空间图结构，节点表示监测点，边表示相关性超过阈值的监测点；采用GCN和GAT提取空间依赖关系，生成时间序列数据；采用TCN或RNN提取时间依赖特征，得到时空特征综合表示；利用训练样本和时空特征训练模型，采用MSE作为损失函数，Adam优化器调整参数，并优化超参数以最小化误差；输入最新气象和历史数据，预测未来臭氧浓度，GNN提取空间特征，RNN处理时间序列，通过卷积操作，能够并行处理时间序列数据，具有较高的计算效率。

本发明授权基于时空图卷积网络模型的臭氧浓度预测方法、装置、设备及介质在权利要求书中公布了：1.基于时空图卷积网络模型的臭氧浓度预测方法，其特征在于，包括如下步骤： S10：获取目标区域的历史臭氧浓度数据和对应的气象数据，对所述历史臭氧浓度数据和所述气象数据进行标准化预处理，并基于滑动窗口法构建训练样本和预测样本； S20：基于所述训练样本中各监测点的地理位置及其之间的相关系数，建立空间图结构，所述空间图结构中节点表示监测点，边表示监测点之间的空间相关性，当监测点之间的相关系数超过预设阈值时，建立边连接； S30：采用GCN和GAT对所述空间图结构进行卷积操作，提取监测点之间的空间依赖关系，得到包含空间特征的时间序列数据； 所述GCN的计算模型，包括： ； 式中，为激活函数，为第层的节点特征表示，为图的邻接矩阵，为第层的权重矩阵； 所述GAT的计算模型，包括： ； 式中，是节点的邻居节点集合，为节点和节点之间的注意力权重，为第层中节点的特征表示，为GAT的计算中节点i在l+1层的特征； S40：基于所述包含空间特征的时间序列数据，采用TCN或RNN模型，提取时间序列数据中的时间依赖特征，得到包含时空特征的综合表示； 当采用TCN模型时，通过多层卷积操作捕捉时间序列中的长程依赖性，则TCN的卷积操作表示为： ； 式中，为输入特征矩阵，为卷积核大小，为膨胀系数，Y为TCN卷积结果； 或者，当采用RNN模型时，通过LSTM或GRU进一步提取时间特征，则RNN的更新模型为： ； 式中，为时间步的节点特征表示，为RNN的隐藏状态，为上个时间步的隐藏状态； S50：采用所述训练样本和所述包含时空特征的综合表示，对时空图卷积网络模型进行训练，训练过程采用MSE作为损失函数，使用Adam优化器调整模型参数，并根据验证集表现调整超参数配置，以最小化预测误差； S60：基于训练好的所述时空图卷积网络模型，输入目标区域的最新气象数据和滑动窗口生成的所述历史臭氧浓度数据，输出所述目标区域未来的臭氧浓度预测值。

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常州大学，其通讯地址为：213149 江苏省常州市武进区湖塘镇滆湖中路21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。