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！

龙图腾网获悉北京工业大学申请的专利一种基于知识迁移的多因素耦合的水环境评估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：CN121168861B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511352210.1，技术领域涉及：G06Q10/063；该发明授权一种基于知识迁移的多因素耦合的水环境评估方法是由王功明;赵赫楠;陈红;韩红桂;乔俊飞设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本一种基于知识迁移的多因素耦合的水环境评估方法在说明书摘要公布了：本发明涉及数据处理技术领域，公开了一种基于知识迁移的多因素耦合的水环境评估方法，包括：基于原始数据构建包含时空特征编码层与多任务并行子网络的深度神经网络，并基于多任务损失函数输出水环境的静态特征矩阵，对静态特征矩阵进行多维信息融合，并根据融合结果和知识迁移构建表征模型，建立决策输出与评价分级的映射关系库，基于模糊规则算法对动态特征与各评价等级的匹配度进行计算，根据评估结果确定水环境的环境程度，并根据环境程度确定是否对水环境进行预警，本发明实现了对非平稳性、多变量间交互复杂的动态特征在时空维度上的耦合有效捕捉了多时段状态演化的共性规律，确保了评估结果的连续性与准确性。

本发明授权一种基于知识迁移的多因素耦合的水环境评估方法在权利要求书中公布了：1.一种基于知识迁移的多因素耦合的水环境评估方法，其特征在于，包括： 获取水环境的原始数据，基于所述原始数据构建包含时空特征编码层与多任务并行子网络的深度神经网络，并基于多任务损失函数输出所述水环境的静态特征矩阵； 对所述静态特征矩阵进行多维信息融合，并根据融合结果和知识迁移构建表征模型，基于所述表征模型输出所述水环境的动态特征； 建立决策输出与评价分级的映射关系库，所述映射关系库根据解析历史评估中决策结果与评价等级的对应规则建立，将所述动态特征代入所述映射关系库，基于模糊规则算法对所述动态特征与各评价等级的匹配度进行计算，确定评估结果； 根据所述评估结果确定所述水环境的环境程度，并根据所述环境程度确定是否对所述水环境进行预警； 所述原始数据包括水质监测数据、事件记录数据以及反馈文本数据； 所述水质监测数据包括所述水环境的pH值、溶解氧以及重金属浓度，所述事件记录数据包括所述水环境的污染位置、污染类型以及污染持续时长，所述反馈文本数据包括所述水环境的投诉数据和舆情评论数据； 对所述原始数据进行预处理，所述预处理为基于拉依达准则对所述水质监测数据剔除异常值，所述事件记录数据根据时间戳对齐转换为时间序列标签，对所述反馈文本数据进行分词，并将分词结果转换为词向量； 在基于所述原始数据构建包含时空特征编码层与多任务并行子网络的深度神经网络时，还包括： 所述多任务并行子网络包括水质监测数据量化子网络、事件记录数据识别子网络以及反馈文本数据分析子网络； 所述水质监测数据量化子网络为2层全连接层，隐藏层节点数分别为128和64，并输出与空间特征向量维度一致的量化特征向量，所述事件记录数据识别子网络为1层卷积层并连接softmax分类器，输出所述污染类型的概率分布，所述反馈文本数据分析子网络将所述词向量输入2层门控循环单元，并根据sigmoid激活函数输出情感倾向值； 在对所述静态特征矩阵进行多维信息融合，并根据融合结果和知识迁移构建表征模型时，包括： 将所述静态特征矩阵中的输出特征按维度进行拼接，构建多因素融合的特征集合，基于注意力机制确定各特征与所述水环境的污染指标的关联度，并为各特征赋予权重，并提取加权后各特征的跨维度共性特征与影响因子； 获取所述水环境的历史完整时段的标注数据并对编码器进行训练，以当前时段融合得到的所述共性特征与关键因子作为输入，并确定和训练后的编码器输出相同的特征空间，基于训练后的解码器和残差连接适配所述当前时段，构建所述表征模型。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。