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！

龙图腾网恭喜中国环境科学研究院申请的专利一种基于深度学习的大气颗粒物来源解析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：CN119202597B 。

龙图腾网通过国家知识产权局官网在2025-05-13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：202411263515.0，技术领域涉及：G06F18/20；该发明授权一种基于深度学习的大气颗粒物来源解析方法是由张岳翀;张海杰;高锐;刘翰青;王佳琪设计研发完成，并于2024-09-10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大气颗粒物来源解析方法在说明书摘要公布了：本发明公开了一种基于深度学习的大气颗粒物来源解析方法，本发明涉及大气颗粒物解析技术领域，包括构建大规模的预处理数据集，包括来自不同地区、不同季节和气象条件下的大气颗粒物浓度数据，并收集对应的潜在原始数据，整合原始数据，形成一个多维度的预处理数据集。该基于深度学习的大气颗粒物来源解析方法，通过自适应学习率优化算法，模型在复杂和动态的数据环境中能够更快地找到最优解，避免陷入局部最优，从而提升大气颗粒物来源解析的准确性和模型的应用广度；通过对大气颗粒物来源的精准解析，有效指导了城市大气污染治理措施的制定，减少了居民暴露于高浓度颗粒物中的风险，提升了空气质量管理的科学性和有效性。

本发明授权一种基于深度学习的大气颗粒物来源解析方法在权利要求书中公布了：1.一种基于深度学习的大气颗粒物来源解析方法，其特征在于，包括：构建大规模的预处理数据集，包括来自不同地区、不同季节和气象条件下的大气颗粒物浓度数据，并收集对应的原始数据，整合原始数据，形成一个多维度的预处理数据集；采用卷积神经网络和循环神经网络建立深度学习模型，利用卷积神经网络的特征提取能力和循环神经网络的时序数据处理能力，对大气颗粒物数据的深度学习模型进行搭建；深度学习模型用于自动学习大气颗粒物特征与各类污染源之间的复杂非线性关系；引入集成学习算法组成预测模型，利用贝叶斯优化对预测模型的超参数进行优化，通过稀疏编码对大气颗粒物特征进行处理，提取代表性的关键特征；将训练好的预测模型应用于实时大气监测数据，实时分析各类污染源对颗粒物浓度的贡献比例；预测模型根据实时数据动态调整参数；预测模型通过新数据加入自动进行更新和调整，实时更新大气颗粒物来源的预测模型的集成学习算法；在预测模型训练过程中，使用交叉验证对预测模型的泛化能力进行评估，并通过贝叶斯优化不断调整预测模型的超参数；所述集成学习算法设置有优化模块，定期对预测模型进行重新训练和优化，根据采集的数据对比历史数据形成对比图表，按照设定的时间定期输出历史对比数据，并根据实际需求自动生成分析报告，辅助决策者制定环境治理策略；所述优化模块采用对比差值来计算对比数据间的差值，公式如下：Differencet＝NewDatat-HistoricalDatat；其中，Differencet为在时间点t的数据差异；NewDatat为在时间点t收集或观察到的新数据；HistoricalDatat为在时间点t之前的历史数据或基线数据。

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中国环境科学研究院，其通讯地址为：100012 北京市朝阳区安外大羊坊8号院；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”。