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！

龙图腾网恭喜天津大学申请的专利基于地下水水位阈值调控的灌溉优化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：CN119417269B 。

龙图腾网通过国家知识产权局官网在2025-03-11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：202510019867.X，技术领域涉及：G06Q10/0637；该发明授权基于地下水水位阈值调控的灌溉优化方法是由白梦婷;李发文;李旻昊;李建宇;柴海东设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于地下水水位阈值调控的灌溉优化方法在说明书摘要公布了：本发明涉及生态水文技术领域，具体公开了基于地下水水位阈值调控的灌溉优化方法，方法包括数据采集与预处理、作物生长模型构建、特征分析、地下水水位预测、灌溉需求预测、灌溉策略优化和持续优化。本方案提取出地下水水位数据的长期趋势、周期性成分和随机成分，整合多源特征提供更为精细、清晰、稳定的特征集；采用平稳性差分处理提升模型对非平稳时间序列的适应性，结合AquaCrop模型和地下水水位预测模型，模拟不同水位对作物生长的影响，提供动态灌溉方案；以作物产量和水分利用效率为核心，通过设置产量和水消耗的权重系数，平衡灌溉效率和产量之间的关系，通过模型参数的动态调整和迭代改进，确保模型结果的稳健性和可靠性。

本发明授权基于地下水水位阈值调控的灌溉优化方法在权利要求书中公布了：1.基于地下水水位阈值调控的灌溉优化方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集与预处理，收集历史环境数据和作物生长数据，历史环境数据包括气象数据、地形、灌溉历史、土壤湿度、地下水水位，对数据的缺失值和异常值进行处理；步骤S2：作物生长模型构建，根据历史环境数据和作物生长数据初步构建作物对水生产力响应的AquaCrop模型，模拟不同地下水水位条件下的作物水分需求，初步确定作物在各个阶段对灌溉的需求量；步骤S3：特征分析，从历史环境数据中分析时序特征，识别地下水水位的变化规律，生成特征集；步骤S4：地下水水位预测，基于特征集构建SARIMA模型作为地下水水位预测模型，输出未来地下水水位预测值，结合AquaCrop模型模拟作物生长状态；步骤S5：灌溉需求预测，通过地下水水位预测模型的预测结果，根据作物的生命周期划分作物生长阶段，预测不同阶段作物的用水需求，并制定相应的灌溉策略；步骤S6：灌溉策略优化，使用优化算法调整地下水水位预测模型的模型参数，寻找最优地下水水位阈值，结合AquaCrop模型的模拟结果寻找最优灌溉策略；步骤S7：持续优化，定期观测并反馈灌溉效果，根据反馈的灌溉效果调整并优化灌溉策略；在步骤S4中，所述地下水水位预测，包括以下步骤：步骤S41：特征集划分，将特征集划分为训练集和验证集；步骤S42：检查地下水水位数据的平稳性，若不平稳则对数据进行差分处理，对于季节性波动明显的时间序列数据，进行季节性差分处理；步骤S43：建立SARIMA模型作为地下水水位预测模型，根据平稳性检查结果选择非季节性差分次数和季节性差分次数，根据数据类型选择季节周期，确定模型阶数，模型形式如下： ；式中，表示SARIMA模型，表示非季节性自回归项阶数，表示非季节性移动平均项阶数，表示非季节性差分次数，表示季节性自回归项阶数，表示季节性差分次数，表示季节性移动平均项阶数，表示季节周期；步骤S44：模型拟合，将选定的参数输入地下水水位预测模型中，输入训练集拟合模型，使用网格搜索优化模型参数；步骤S45：在验证集上计算均方误差评估模型效果，调整模型参数提高模型的预测精度；步骤S46：地下水水位预测，设定预测时间范围和步长，输出未来地下水水位预测值，对预测结果加上置信区间，进行不确定性评估；在步骤S6中，所述灌溉策略优化，包括以下步骤：步骤S61：定义优化目标为提升水分利用效率，设计目标函数，所用公式如下： ；式中，表示目标函数，和为用于平衡产量和水消耗影响的权重系数，表示作物生长状况，表示水分利用效率，为防止分母为零的随机常数；步骤S62：根据实际情况初步设定地下水水位阈值；步骤S63：结合作物生长状态和地下水水位预测值，使用粒子群优化算法优化地下水水位预测模型的参数；步骤S64：迭代运行模型参数，计算目标函数值，当目标函数值达到最大时，输出最优模型参数和地下水水位阈值的最优解；步骤S65：在最优模型参数下通过AquaCrop模型进行模拟，评估该最优模型参数对作物生长的实际影响。

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天津大学，其通讯地址为：300110 天津市南开区卫津路92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”。