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！

龙图腾网获悉中国科学院地理科学与资源研究所申请的专利基于图卷积的全残差深度网络的模型建立方法及应用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：CN112712169B 。

龙图腾网通过国家知识产权局官网在2025-07-08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：202110021814.3，技术领域涉及：G06N3/042；该发明授权基于图卷积的全残差深度网络的模型建立方法及应用是由李连发设计研发完成，并于2021-01-08向国家知识产权局提交的专利申请。

本基于图卷积的全残差深度网络的模型建立方法及应用在说明书摘要公布了：本发明公开了一种基于图卷积的全残差深度网络的模型建立方法及应用，本方法为：采集整理空气污染数据并预处理；在空间、时间维度，分别找最近邻点对，计算两个维度相关系数比值；正则化处理，确定时空维度；采用k‑NN最近邻算法，查找所有最近的k个最近邻及其距离；采用基于位置的分层随机抽样方法，划分训练与测试样本；建立基于图卷积的全残差深度网络模型并训练；模型参数调优，获得最优模型。本应用为：调用最优的模型，进行空气污染情况的预测。本发明减少过拟合，大幅提高空气污染物浓度时空估算的精度及泛化性实际的预测能力，将时空变异输出同全残差深度网络连接，提高模型挖掘时空变异及模型的泛化能力。

本发明授权基于图卷积的全残差深度网络的模型建立方法及应用在权利要求书中公布了：1.一种基于图卷积的全残差深度网络的模型建立方法，其特征在于：包括以下步骤： 步骤一、采集整理空气污染原始数据及其协变量数据并进行预处理； 步骤二、在空间维度及时间维度，对预处理后的数据的样本点找到最近的相邻点对，计算两个维度相关系数比值； 步骤三、对全部数据进行正则化处理，确定时空维度；全部数据包括目标变量以及上述协变量，目标变量指空气污染浓度； 步骤四、采用k-NN最近邻算法，查找所有样本点的最近的k个最近邻及其时空距离； 步骤五、采用基于位置的分层随机抽样的方法，按照行政区划或气候带区划作为分层因子，划分训练与测试样本； 步骤六、针对空气污染数据，建立多层级的最近邻网络拓扑，从最外层到内层到目标节点，临近点的影响逐层传递，最后汇总到目标节点；从时空三个维度方向，包括空间维度x与y、时间维度t，并根据地理学第一定理越近越相关原则确定最近邻，同时，由于时空样本点本身不规则分布，将其距离权重系数进行最近邻的聚集，将聚集函数定义为加权和，或者pool操作；卷积操作之后，目标节点的状态更新；最终，经过总层数的最近邻聚集操作之后，得到目标节点的输出； 其中，每一层级相当于一个lag； 步骤七、建立基于图卷积的全残差深度网络的空气污染预测模型，建立的模型由两部分所组成，一部分为图卷积网络，另一部分为全残差深度网络；预训练图卷积网络，融合全残差网络进行训练； 步骤八、对模型参数进行优化，获得参数最优的模型； 步骤九、调用模型进行空气污染情况的预测。

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科学院地理科学与资源研究所，其通讯地址为：100101 北京市朝阳区大屯路甲11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”。