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！

龙图腾网获悉复旦大学申请的专利多模态空气污染物的预测方法、装置、设备、介质及产品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：CN120783905B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202510855238.0，技术领域涉及：G16C20/70；该发明授权多模态空气污染物的预测方法、装置、设备、介质及产品是由张艳;李昊设计研发完成，并于2025-06-24向国家知识产权局提交的专利申请。

本多模态空气污染物的预测方法、装置、设备、介质及产品在说明书摘要公布了：本申请公开了一种多模态空气污染物的预测方法、装置、设备、介质及产品，涉及环境监测技术领域，该方法包括：对待处理多模态数据进行预处理和标准化处理，得到预处理多模态数据；预处理多模态数据包括目标区域内的当前时刻大气污染物浓度监测站点数据、排放源数据和气象场数据；将上一时刻大气污染物浓度监测站点数据与当前时刻大气污染物浓度监测站点数据沿时间维度拼接，并提取拼接后的数据特征，得到站点位置‑时间‑污染物浓度的特征向量；将提取到的特征融合向量与站点位置‑时间‑污染物浓度的特征向量进行融合，得到多模态特征向量；将多模态特征向量输入预先训练好的深度学习网络模型中，得到预测结果。本申请可提高污染物预测准确性。

本发明授权多模态空气污染物的预测方法、装置、设备、介质及产品在权利要求书中公布了：1.一种多模态空气污染物的预测方法，其特征在于，所述多模态空气污染物的预测方法包括： 获取目标区域的待处理多模态数据； 填补所述待处理多模态数据的缺失值和或去除所述待处理多模态数据的缺失值，并对填补缺失和或去除异常值后的所述待处理多模态数据进行标准化处理，得到预处理多模态数据；所述预处理多模态数据包括目标区域内的当前时刻大气污染物浓度监测站点数据、排放源数据和气象场数据； 将上一时刻大气污染物浓度监测站点数据与所述当前时刻大气污染物浓度监测站点数据沿时间维度拼接，并提取拼接后的数据特征，得到站点位置-时间-污染物浓度的特征向量； 提取所述排放源数据和所述气象场数据的特征融合向量，并将提取到的所述特征融合向量与所述站点位置-时间-污染物浓度的特征向量进行融合，得到多模态特征向量； 将所述多模态特征向量输入预先训练好的深度学习网络模型中，利用所述预先训练好的深度学习网络模型对目标区域的污染物浓度进行预测，得到预测结果； 其中，所述将上一时刻大气污染物浓度监测站点数据与所述当前时刻大气污染物浓度监测站点数据沿时间维度拼接，并提取拼接后的数据特征，得到站点位置-时间-污染物浓度的特征向量，包括： 将所述上一时刻大气污染物浓度监测站点数据与所述当前时刻大气污染物浓度监测站点数据沿时间维度拼接，并将各个监测站点间的经纬度相对位置编码和时间编码嵌入拼接后的所述上一时刻大气污染物浓度监测站点数据与所述当前时刻大气污染物浓度监测站点数据，得到目标区域内不同监测站点的时空联合数据； 基于自注意力机制和前馈网络提取所述不同监测站点的时空联合数据的数据特征，得到所述站点位置-时间-污染物浓度的特征向量； 所述提取所述排放源数据和所述气象场数据的特征融合向量，并将提取到的所述特征融合向量与所述站点位置-时间-污染物浓度的特征向量进行融合，得到多模态特征向量，包括： 基于预设卷积神经网络对所述排放源数据和所述气象场数据进行特征提取，得到气象-排放耦合多尺度时空特征向量； 基于交叉注意力机制将所述气象-排放耦合多尺度时空特征向量与所述站点位置-时间-污染物浓度的特征向量进行融合，得到多模态特征向量。

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复旦大学，其通讯地址为：200082 上海市杨浦区邯郸路220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。