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！

龙图腾网获悉宁波大学申请的专利一种基于时空混合模型的稀疏站点空气质量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：CN116561609B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202310405727.7，技术领域涉及：G06F18/23213；该发明授权一种基于时空混合模型的稀疏站点空气质量预测方法是由陈晓霞;王震;陈科伟;董芳艳;胡悦设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本一种基于时空混合模型的稀疏站点空气质量预测方法在说明书摘要公布了：准确预测空气质量有助于有效防治空气污染。然而，关于稀疏站空气质量预测的研究相对较少。本发明旨在通过时空特征的提取来实现稀疏站空气质量的混合预测。提出的发明方法由三部分组成。第一部分是多尺度时间特征的提取，提取最佳时滞以应对数据突变，提取关键特征以避免冗余特征的干扰。第二部分是基于空间层次划分提取相关站点的空间特征。第三部分是基于时空特征组的混合模型预测。本发明方法具有以下优势：1对于时间序列的数据突变预测，本发明提出的方法更有效。2与密集站点的空气质量预测流行的方法相比，该方法在稀疏站点的空气质量预测中具有优越的性能。

本发明授权一种基于时空混合模型的稀疏站点空气质量预测方法在权利要求书中公布了：1.一种基于时空混合模型的稀疏站点空气质量预测方法，其特征在于，包括以下步骤： 步骤1：获取各个空气质量监测站点的大气污染物浓度以及气象因素的历史时间序列数据，大气污染物包括二氧化硫，二氧化氮，臭氧，一氧化碳以及细颗粒物PM2.5和PM10；气象因素包括风速，降水量，温度，露点和气压；对采集得到的原始数据进行预处理及归一化之后，将其划分为训练集、验证集和测试集； 步骤2：将气象因素数据的历史时间序列在时间维度上进行不同尺度的划分，使用自适应增强算法提取不同时间尺度的时滞特征并进行效果评估，选择每种气象因素在达到最佳效果时的时滞尺度作为最佳时滞尺度； 步骤3：将最佳时滞尺度下的气象因素时间序列与大气污染物浓度时间序列进行相关性分析，仅保留大气污染物浓度和各个气象因素中的关键特征，将具有高度相关性的关键特征数据作为时间维度的特征组； 步骤4：利用格兰杰因果关系检验算法和K均值聚类算法分别在站点维度上和区域维度上提取空间特征，以充分提取稀疏站点之间的空间关联关系，将在相同区域内的站点数据作为空间维度的特征组； 步骤5：将所述时间维度和空间维度的特征组输入自适应增强算法和基于注意力的长短期记忆网络算法进行协同训练，最后级联一层全连接层，从而输出最后的预测结果。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。