申请/专利权人：秦皇岛安发建筑工程有限公司

申请日：2024-04-11

公开（公告）日：2024-06-21

公开（公告）号：CN118228923A

主分类号：G06Q10/063

分类号：G06Q10/063;G06Q10/0635;G06Q50/06;G06V20/17;G06V10/764;G06V10/82;G06N3/044;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明提供了基于多尺度和多维度的水域污染预测方法，属于环境保护技术领域。该预测方法包括：收集目标水域的实时水质数据、污染源信息和水域影像数据；对水质数据和污染源信息的时间分布特征进行分析和提取；构建基于卷积神经网络的空间特征提取模型；构建基于循环神经网络的时间特征提取模型；构建基于卷积神经网络和循环神经网络的CNN‑RNN模型，来模拟水域污染输移扩散过程；预测目标水域的各时空点污染物浓度分布；结合监测数据，修正评估CNN‑RNN模型预测结果，得到水质评价指标；通过预测结果的时空分析，识别主要的污染因素和过程，判断污染发生的位置和时间。

主权项：1.一种基于多尺度和多维度的水域污染预测方法，其特征在于，包括以下步骤：步骤1，收集目标水域的实时水质数据、污染源信息和水域影像数据；步骤2，对水质数据和污染源信息的时间分布特征进行分析和提取，以选择更合适的时间尺度和频率区间；步骤3，利用水域影像数据，构建基于卷积神经网络的空间特征提取模型，来提取水域的空间特征和污染过程的空间规律，以增强模型的预测能力和效果；步骤4，利用水质数据、污染源信息，构建基于循环神经网络的时间特征提取模型，来提取水域的时间特征和污染过程的时间规律，以增强模型的预测能力和效果；步骤5，构建基于卷积神经网络和循环神经网络的CNN-RNN模型，来模拟水域污染输移扩散过程，以实现对水域空间和时间的双重预测，提高模型的预测能力和效果；步骤6，利用训练好的CNN-RNN模型，输入实时污染源信息和水文数据，预测目标水域的各时空点污染物浓度分布；步骤7，利用蒙特卡洛方法和贝叶斯方法，对CNN-RNN模型的预测结果进行不确定性分析和风险评估，以提高模型的可靠性和稳定性，同时得到水域污染的概率分布和置信区间；步骤8，结合监测数据，修正和评估CNN-RNN模型预测结果，得到水质评价指标；步骤9，通过预测结果的时空分析，识别主要的污染因素和过程，判断污染发生的位置和时间；步骤10，根据识别结果，针对性地调整排放模式或布设隔离设施，以减轻和避免水质污染事件。

全文数据：

权利要求：

百度查询： 秦皇岛安发建筑工程有限公司 基于多尺度和多维度的水域污染预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD