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！

龙图腾网恭喜浙江省环境科技股份有限公司申请的专利基于机器学习模型的工业园区地下水污染在线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：CN116579128B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202310373799.8，技术领域涉及：G06F30/20；该发明授权基于机器学习模型的工业园区地下水污染在线预测方法是由赵梦飞;贺玉琪;徐征;史中原;徐斌;蔡玲;陈雳华设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本基于机器学习模型的工业园区地下水污染在线预测方法在说明书摘要公布了：本发明公开了一种基于机器学习模型的工业园区地下水污染在线预测方法，属于地下水污染预测领域；包括以下5个步骤，步骤一：数据采集；步骤二，构建地下水水流模型；步骤三，从机器学习库中选择最优的机器学习组合模型，构建地下水质预测模型；步骤四，实现地下水水质在线预测；步骤五，预测结果可视化。

本发明授权基于机器学习模型的工业园区地下水污染在线预测方法在权利要求书中公布了：1.一种基于机器学习模型的工业园区地下水污染在线预测方法，其特征在于，包括：步骤一，收集工业园区基础信息及地层数据，在工业园区建立地下水在线监测站网，实时获取地下水水位在线监测数据和水质在线监测数据；步骤二，以工业园区的地层勘探钻孔资料、水文地质参数、地下水水位数据为基础，对工业园区进行区域网格剖分，构建可实时更新的地下水在线水流模型，为步骤三和步骤四提供在线数据支撑；步骤三，构建相对空间坐标系，获取区域网格点的建模基础数据，所需建模基础数据分为以下四类：网格点固定数据，包括岩性、坐标；地下水水质在线监测数据，包括监测到的污染物类型、浓度以及对应的监测时间点；利用地下水在线水流模型获取各网格点流场数据，包括水流流向、流速、水位；企业污染信息，包括区域周边企业的位置、面积、排放的污染物类型、污染物年产量；基于以上建模基础数据，利用机器学习库中的机器学习回归模型，通过模型训练与校验选择最优的模型组合方式，通过更新建模基础数据，构建可实时更新的地下水污染预测模型；在构建可实时更新的机器学习地下水污染预测模型时考虑时间因素影响的迟滞效应，具体方法为：设置时间范围，对所有监测井不同时期的数据进行组合，经过相关性分析，确定每个目标点位的最佳输入数据日期组合；记目标监测井为M，除目标监测井外有N个其他监测井，分别记为J1、J2、J3、……、JN，目标监测井T时刻的污染物浓度为MT，所有监测井最早的监测日期为T-L，监测井J1的污染物浓度历史监测数据为{J1,T-L，……，J1,T-3，J1,T-2，J1,T-1}，监测井J2的污染物浓度历史监测数据为{J1,T-L，……，J2,T-3，J2,T-2，J2,T-1}，……，监测井JN的污染物浓度历史监测数据为{JN,T-L，……，JN,T-3，JN,T-2，JN,T-1}；用其他监测井的历史监测数据作为模型的输入，MT作为模型的输出，将MT与其他监测井的不同时刻的数据分别组合，形成数组[J1,T1，J2,T2，J3,T3，……,JN,TN，MT]，其中T1～TN均可各自独立地从[T-1,T-2,T-3,……,T-L]中选择，按照此规则，最终形成的数据组合有LN类；对于每个监测井，分别将其MT和其他监测井的历史监测数据进行相关性分析，计算斯皮尔曼相关系数，相关系数越高，说明相应的时间组合对应的数据相关性越好，选择相关系数最大的组合，以此作为最佳输入数据日期组合；所述构建可实时更新的地下水污染预测模型的具体实现过程为：选择机器学习模型：从机器学习库中选择适用于水文领域多因子预测的回归模型，模型类型不少于5类；数据预处理：通过独热编码将包括岩性在内的离散类别信息转换为数值型数据，采用中心化处理避免异常值和极端值的影响，减小误差，加快模型训练速度；建立数据集：模型的构建需要输入数据集，包括特征值X和目标值Y，目标值Y表示某时刻某一网格点的某污染物的浓度大小，特征值X表示影响Y值的多维要素；样本分割：将数据集分割为训练样本Xtr、Ytr，校验样本Xve、Yve和测试样本Xte、Yte；训练样本用于模型学习历史数据的规律；校验样本用于参数的调整和选择最优模型；测试样本用于评估模型的预测性能；训练样本和校验样本都参与了模型的构建，而测试样本对于模型是全新的数据；组合模型：对于R类的单一机器学习回归模型，R≥5，组合方式包括选择2类、3类、……、R类进行组合的组合模型，以及R种单一模型；训练模型：采用方差倒数加权法进行模型组合，对每一种单一模型，设置不同的参数组合，在各种参数组合和模型组合条件下，分别输入训练样本Xtr、Ytr训练组合模型；模型校准：对于各类组合模型，将校验样本Xve分别输入各参数组合下训练好的模型，将模型的预测结果Ypre_ve与Yve进行对比分析，从中选出误差最小时对应的参数组合及模型组合方式，对应的即是校验样本拟合精度最好的组合模型，作为在线预测的默认模型；模型测试：将测试样本Xte输入校验样本选择的模型中，得出预测值Ypre_te，将Ypre_te与Yte进行误差分析，从而验证模型的准确性；步骤四，实现工业园区内未进行水质监测的网格的在线预测，通过获取步骤三中的四类数据，利用经过训练与校验的机器学习回归模型，设置预测时长，预测各网格点未来的污染物浓度。

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浙江省环境科技股份有限公司，其通讯地址为：310013 浙江省杭州市西湖区浙谷深蓝商务中心6号楼1501室；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”。