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！

龙图腾网获悉山东锋士信息技术有限公司申请的专利基于水量-水压耦合的供水量预测方法、设备及存储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：CN120355042B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510846155.5，技术领域涉及：G06Q10/04；该发明授权基于水量-水压耦合的供水量预测方法、设备及存储介质是由巩京昊;王鹏冲;陈秀芹;王洁设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本基于水量-水压耦合的供水量预测方法、设备及存储介质在说明书摘要公布了：本发明涉及一种基于水量‑水压耦合的供水量预测方法、设备及存储介质，属于供水量预测和深度学习技术领域。通过构建IAMformer网络，在编码器和解码其中均引入基于EMD距离的多头稀疏注意力层，将供水量、瞬时流量的历史数据及节假日信息输入编码器得到供水量预测的主要特征Q；将压力数据输入解码器得到可进行融合的压力辅助特征A，将两特征输入解码器中的主辅注意力层进行主辅注意力矩阵计算和融合得到融合特征，融合特征经过全连接层输出预测供水量，根据供水量损失和压力损失的复合损失函数反向传播优化更新模型参数。本发明能够降低水压预测误差对供水量预测的间接影响，同时能够降低算法模型的复杂度和提高模型的鲁棒性。

本发明授权基于水量-水压耦合的供水量预测方法、设备及存储介质在权利要求书中公布了：1.基于水量-水压耦合的供水量预测方法，其特征是，包括步骤如下： S1.获取供水量、瞬时流量和压力的历史数据，预处理为时间序列，并构建数据集； S2.构建基于transformer架构改进的IAMformer网络，包括编码器和解码器，其中编码器包含嵌入层、基于EMD距离的多头稀疏注意力层、相加amp;归一化层、蒸馏层、和前馈神经网络层，解码器包含嵌入层、基于EMD距离的多头稀疏注意力层、相加amp;归一化层、主辅注意力层、全连接层； 所述的基于EMD距离的多头稀疏注意力层使用EMD距离函数来度量查询向量与均匀分布的相似度，选贡献度大的查询向量做注意力运算，过程如下： 对于查询向量Q，定义第i个查询向量qi的注意力计算公式如下： ， 式中表示第i个查询向量qi与第j个键向量kj的指数核函数运算，vj表示第j个值向量， 使用缩放点积的计算方式获取第i个查询向量的注意力概率分布p，其过程如下： 先计算查询向量与键向量的相似度得分， ， 式中sij表示查询向量qi和键向量kj之间的相似度得分， 再缩放运算， ， 为查询向量和键向量的维度， 最后使用softmax函数将得分转换为概率分布得分， ， p ij 表示第i个查询向量qi对第j个键向量kj的注意力概率得分，所有的pij构成了第i个查询向量qi的注意力概率分布p，j=1,2,...,n； 随后，定义Lk用于表示查询向量的长度，并假设用于表示查询向量的均匀分布，若第i个查询向量qi的注意力概率分布p远离该均匀分布q，则表明查询向量qi对注意力权重的贡献大，使用EMD距离度量查询向量与该均匀分布的相似度的公式如下： ， 其中dx,y代表从x到y的成本，γ代表联合概率分布，它的边缘分布是q和p的成本，inf表示下确界，即所有联合分布中的最小值，表示分布q转变为分布p需要花费的最小成本，Wq||p就是两个分布之间的距离；距离越大对注意力权重的贡献越大； 2通过EMD计算和阈值设置的方法筛选出对注意力权重矩阵贡献度大的查询向量，将这些查询向量组成新的查询向量矩阵并进行注意力计算，其注意力计算公式为： ， 其中K代表键向量，V代表值向量，代表向量矩阵，dk为Q和K的维度，XEMD为通过EMD计算后的输出矩阵； S3.将供水量、瞬时流量的历史数据及节假日信息输入编码器的嵌入层形成嵌入矩阵，嵌入矩阵输入基于EMD距离的多头稀疏注意力层进行注意力计算区分重要特征，再进行相加和归一化操作，随后经过蒸馏层筛除冗余特征，再经前馈神经网络层得到供水量预测的主要特征Q； S4.将压力历史数据输入解码器嵌入层，通过基于EMD距离的多头稀疏注意力层的注意力计算区分重要特征、相加amp;归一化层的防梯度消失和梯度爆炸处理，得到可进行融合的压力辅助特征A； S5.将得到的供水量主要特征Q和压力辅助特征A输入解码器中的主辅注意力层进行主辅注意力矩阵计算和融合得到融合特征，融合特征经过全连接层输出预测供水量；所述的主辅注意力层包括EMD注意力层、归一化层、细粒度注意力层以及微调层，将得到的供水量主要特征Q和压力辅助特征A先经EMD注意力层进行相关度计算形成注意力矩阵，然后进行归一化处理，归一化后的输出与压力辅助特征A经细粒度注意力层计算相关度输出细粒度注意力，将供水量主要特征Q和细粒度注意力相加并使用归一化和非线性变换网络进行微调得到融合后特征； S6.计算供水量损失，构建能根据供水量计算压力值的水压计算模型，根据预测供水量利用水压计算模型计算压力值并与真实值对比计算压力损失，根据供水量损失和压力损失的复合损失函数反向传播优化更新模型参数； S7.用训练好的IAMformer网络模型分别对验证集、测试集进行预测，用最终模型进行未来供水量预测。

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山东锋士信息技术有限公司，其通讯地址为：250107 山东省济南市高新区遥墙街道明远街2号中欧智造港18号多层厂房1单元101室、102室；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。