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！

龙图腾网获悉兰州大学申请的专利一种利用大数据的黄河流域碳排放动态监测方法及系统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：CN119850229B 。

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：202510239886.3，技术领域涉及：G06Q30/018；该发明授权一种利用大数据的黄河流域碳排放动态监测方法及系统是由王蓉;牟翠翠设计研发完成，并于2025-03-03向国家知识产权局提交的专利申请。

本一种利用大数据的黄河流域碳排放动态监测方法及系统在说明书摘要公布了：本发明公开了一种利用大数据的黄河流域碳排放动态监测方法及系统，包括如下步骤：构建多源数据采集网络，对采集的多源数据进行清洗，然后进行数据标准化，最后进行数据融合，形成表征多源数据之间关系的多维融合特征向量；通过融合神经网络以及支持向量机，构建碳排放核算模型，利用构建的碳排放核算模型，对黄河流域碳排放进行实时动态监测；持续更新数据采集网络中的各类数据，并使用新的数据对多维融合特征向量以及碳排放核算模型进行优化，然后再使用优化后的碳排放核算模型对黄河流域的碳排放量进行监测。所述方法和系统可以及时、全面、准确的对黄河流域的碳排放进行监测。

本发明授权一种利用大数据的黄河流域碳排放动态监测方法及系统在权利要求书中公布了：1.一种利用大数据的黄河流域碳排放动态监测方法，其特征在于包括如下步骤： S1，数据采集：构建多源数据采集网络，整合来自黄河流域的卫星遥感、地面监测站点、物联网传感器以及各类政务、企业信息系统的与碳排放相关的数据； S2，数据预处理：首先对采集的多源数据进行清洗，然后进行数据标准化，依据统一的数据字典，将不同来源数据的单位、量纲进行统一，最后进行数据融合，基于地理信息系统GIS，以黄河流域地图为基底，将经过数据清洗和标准化后的卫星遥感数据、地面监测数据、物联网数据及行业数据按地理位置坐标进行匹配融合，形成多维融合特征向量； S3，碳排放核算模型构建：通过融合神经网络以及支持向量机，构建碳排放核算模型，以处理后的多维融合特征向量作为输入，碳排放信息作为输出，训练所述碳排放核算模型，并利用随机森林回归算法，对碳排放核算模型进行核算参数动态调整，优化模型参数； S4，动态监测与预警：利用构建的碳排放核算模型，对黄河流域碳排放进行实时动态监测，当监测到某区域或行业碳排放增速过快或强度超标时，系统自动触发预警； S5，数据更新与模型优化：持续更新数据采集网络中的各类数据，并使用新的数据对多维融合特征向量以及碳排放核算模型进行优化，然后再使用优化后的碳排放核算模型对黄河流域的碳排放量进行监测； 步骤S3具体包括如下步骤： S3-1，神经网络模型选择与结构设计： 选择多层感知机MLP神经网络作为基础架构，其中输入层节点数量与多维融合特征向量的维度相对应；隐藏层神经元数量采用递减式的设置方式，第一个隐藏层神经元数量为输入层节点数的23，后续隐藏层依次递减，隐藏层激活函数选用ReLU函数；输出层节点数量根据要预测的碳排放信息维度来确定，输出层激活函数选用线性激活函数； S3-2，支持向量机SVM模型配置： 使用径向基核函数RBF作为SVM模型的核函数，对RBF核函数相关的惩罚参数和核宽度参数通过交叉验证的方法来进行优化选取，将一部分有标记的训练数据划分为多个子集，轮流用其中的子集作为验证集，其余子集作为训练集，不断调整和的值，找到使模型在验证集上预测性能最佳的参数组合； S3-3，模型融合：首先，将多维融合特征向量输入到设计好的神经网络中，经过神经网络各层的非线性变换，提取出高层次的抽象特征，输出一个中间特征表示，然后，将这个中间特征表示作为支持向量机的输入，再由支持向量机进行最终的碳排放信息预测。

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兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222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。