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！

龙图腾网恭喜湖南亿康环保科技有限公司申请的专利一种基于深度学习的复杂水质参数预测方法及系统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：CN119599224B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202510157193.X，技术领域涉及：G06Q10/04；该发明授权一种基于深度学习的复杂水质参数预测方法及系统是由刘勇;陈勇杰;吴霞;刘曼;卢星宇设计研发完成，并于2025-02-13向国家知识产权局提交的专利申请。

本一种基于深度学习的复杂水质参数预测方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的复杂水质参数预测方法及系统，包括：S1：采集原始水质参数数据并进行预处理，得到预处理后的水质参数数据；S2：对预处理后的水质参数数据，采用改进后的DBSCAN算法提取水质参数数据点簇；S3：提取特征融合向量，并结合水质参数数据点簇，提取耦合特征向量；S4：计算门控循环单元自适应尺度与多尺度水质参数特征，再进行水质参数预测；S5：在预处理后的水质参数数据中添加高斯噪声，并进行模拟计算，再根据模拟计算结果，计算pH值预测值置信区间、氨氮浓度预测值置信区间、化学需氧量预测值置信区间。本发明可解决传统水质参数预测方法难以应对多种水质参数类型耦合关联带来的预测效果欠佳的问题。

本发明授权一种基于深度学习的复杂水质参数预测方法及系统在权利要求书中公布了：1.一种基于深度学习的复杂水质参数预测方法，其特征在于，包括以下步骤：S1：采集原始水质参数数据并进行预处理，得到预处理后的水质参数数据；所述预处理后的水质参数数据包括pH值时序数据、氨氮浓度时序数据与化学需氧量时序数据；S2：通过计算自适应邻域半径、最小样本数以及每个数据点之间的邻域距离，改进传统DBSCAN算法；对预处理后的水质参数数据，采用改进后的DBSCAN算法提取水质参数数据点簇，具体包括：首先，在传统DBSCAN算法的基础上，结合多层感知机与sigmoid函数计算自适应邻域半径与最小样本数；其次，引入时间维度权重，计算数据点之间的邻域距离，对传统DBSCAN算法进行改进，得到改进后的DBSCAN算法；最后，根据改进后的DBSCAN算法，计算得到水质参数数据点簇；具体为：S21：根据预处理后的水质参数数据，计算自适应邻域半径与最小样本数，计算方式为： ；其中，为最小样本数，为自适应邻域半径，为邻域半径矩阵，为sigmoid函数，为多层感知机，分别为pH值时序数据、氨氮浓度时序数据与化学需氧量时序数据，为邻域半径偏置向量；S22：遍历计算预处理后的水质参数数据中，每个数据点之间的邻域距离，计算方式为： ；其中，为第i、j个数据点之间的邻域距离，i、j分别为第一数据索引、第二数据索引，，为第i个数据点的pH值时序数据，为第j个数据点的pH值时序数据，为第i个数据点的氨氮浓度时序数据，为第j个数据点的氨氮浓度时序数据点，为第i个数据点的化学需氧量时序数据，为第j个数据点的化学需氧量时序数据，为时间维度权重，为取绝对值，n为预处理后的水质参数数据中的数据点总数；S3：根据预处理后的水质参数数据、水质参数数据点簇，提取核心张量、pH值局部特征序列、氨氮浓度局部特征序列与化学需氧量局部特征序列；再提取特征融合向量；最后结合水质参数数据点簇，提取耦合特征向量；S4：根据耦合特征向量、pH值局部特征序列、氨氮浓度局部特征序列与化学需氧量局部特征序列，计算门控循环单元自适应尺度与多尺度水质参数特征，进行水质参数预测，得到pH值时序数据、氨氮浓度时序数据与化学需氧量时序数据在下一时刻的预测值；S5：在预处理后的水质参数数据中添加高斯噪声，并进行模拟计算，根据模拟计算结果，基于正态分布假设的方法，计算pH值预测值置信区间、氨氮浓度预测值置信区间、化学需氧量预测值置信区间。

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湖南亿康环保科技有限公司，其通讯地址为：410000 湖南省长沙市芙蓉中路汇金国际银座41楼；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”。