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！

龙图腾网获悉中南大学申请的专利基于多层级时空关联特征的工业关键质量指标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：CN119168454B 。

龙图腾网通过国家知识产权局官网在2025-12-19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：202411191442.9，技术领域涉及：G06Q10/0639；该发明授权基于多层级时空关联特征的工业关键质量指标预测方法是由王雅琳;陈燚涛;刘晨亮;隋庆开;潘雨晴;刘柢炬;刘鸿瑞;谭栩杰;孙备;黄科科设计研发完成，并于2024-08-28向国家知识产权局提交的专利申请。

本基于多层级时空关联特征的工业关键质量指标预测方法在说明书摘要公布了：本申请适用于数据处理技术领域，提供了一种基于多层级时空关联特征的工业关键质量指标预测方法，包括：确定与关键质量指标相关的过程变量，并获取训练样本；将全流程、每个子流程分别作为一目标流程，并分别针对每个目标流程执行：从确定出的所有过程变量中筛选出目标流程对应的目标过程变量，并利用邻接矩阵模型和目标过程变量数据，获取目标流程的图邻接矩阵；利用时空依赖感知特征提取模型获取目标流程对应于训练样本的时空特征表示；基于得到的时空特征表示对邻接矩阵模型、时空依赖感知特征提取模型和预测模型进行优化；利用参数优化后的模型对预测时刻的工业关键质量指标进行预测。本申请能提升工业关键质量指标预测的精准度和可靠性。

本发明授权基于多层级时空关联特征的工业关键质量指标预测方法在权利要求书中公布了：1.一种基于多层级时空关联特征的工业关键质量指标预测方法，其特征在于，包括： 确定与工业生产的关键质量指标相关的过程变量，并获取多个训练样本；所述训练样本包括历史时刻的过程变量数据和对应的关键质量指标值；所述工业生产全流程包括多个子流程； 将所述全流程、每个所述子流程分别作为一目标流程，并分别针对每个目标流程执行：分别针对每个训练样本，从确定出的所有过程变量中筛选出所述目标流程对应的目标过程变量，并根据邻接矩阵模型和所述训练样本中所述目标过程变量对应的目标过程变量数据，获取所述目标流程对应于所述训练样本的图邻接矩阵；利用时空依赖感知特征提取模型获取所述目标流程对应于所述训练样本的时空特征表示；所述时空依赖感知特征提取模型包括跳跃连接模块和L个依次连接的时空依赖感知块，L个所述时空依赖感知块的输出端均与所述跳跃连接模块的输入端连接，所述时空依赖感知块包括空间拓扑特征提取模块、时间动态特征提取模块和时空特征融合模块，所述空间拓扑特征提取模块的输出端和所述时间动态特征提取模块的输出端均与所述时空特征融合模块的输入端连接，所述时空特征融合模块的输出端为时空依赖感知块的输出端，所述空间拓扑特征提取模块的输入端和所述时间动态特征提取模块的输入端均为所述时空依赖感知块的输入端，L个所述时空依赖感知块中第一个时空依赖感知块的空间拓扑特征提取模块的输入为所述目标流程对应于所述训练样本的图邻接矩阵和目标过程变量数据，所述第一个时空依赖感知块的时间动态特征提取模块的输入为所述目标流程对应于所述训练样本的目标过程变量数据； 分别针对每个训练样本，根据预测模型和所有目标流程对应于所述训练样本的时空特征表示，获取所有目标流程对应于所述训练样本的关键质量指标预测值，并利用所有训练样本对应的关键质量指标预测值和关键质量指标值，对邻接矩阵模型、时空依赖感知特征提取模型和预测模型中的参数进行优化； 利用参数优化后的邻接矩阵模型、时空依赖感知特征提取模型和预测模型对预测时刻的工业关键质量指标进行预测。

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中南大学，其通讯地址为：410083 湖南省长沙市岳麓区麓山南路932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。