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！

龙图腾网获悉桂林电子科技大学申请的专利一种基于图神经网络的深度学习模型GCN-GRU的水质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：CN119963367B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202411968008.7，技术领域涉及：G06Q50/06；该发明授权一种基于图神经网络的深度学习模型GCN-GRU的水质预测方法是由沈世铭;许睿;文建辉;李建;张乐乾;向龙设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种基于图神经网络的深度学习模型GCN-GRU的水质预测方法在说明书摘要公布了：本发明提供一种基于图神经网络的深度学习模型GCN‑GRU的水质预测方法，将监测站的分布与监测站之间的邻接关系视为图的节点与边以构建图结构，利用图结构保留流域内监测站点的原始空间分布，能够更准确地模拟污染物的传输过程，并显著提高模型的解释能力；通过引入图卷积网络和门控循环单元，以有效捕捉非网格结构数据中的空间信息和时间信息，接着，采用自注意力机制和全连接网络，有效融合水质时间序列数据中的长期时空特征，其结合了GCN在空间建模方面的优势和GRU在时序建模方面的能力，实现对空间关联和时间依赖关系的全面捕捉，进而提高了水质预测结果的可靠性，为环境保护和污染防治提供了重要工具。

本发明授权一种基于图神经网络的深度学习模型GCN-GRU的水质预测方法在权利要求书中公布了：1.一种基于图神经网络的深度学习模型GCN-GRU的水质预测方法，其特征在于，包括以下步骤： S1，构建一动态水质预测模型，所述动态水质预测模型内部演化关系如式（1）所示： ； 式中，表示输入；代表目标监测站的时空特征；代表目标监测站及其周围监测站的时空特征；表示输入时间戳；表示预测值；表示空间关系函数；表示时间关系函数；表示时空特征融合函数，函数、和为先验未知函数； S2，数据采集与预处理：对污染物变量和水文气象数据进行采集和预处理； S3，图形的构建：将待预测区域内的监测站视为图节点，相邻监测站之间的距离信息视为图的边，污染物变量和水文气象参数构成节点特征，形成具有图结构的时序数据集； S4，构建一个编码器解码器网络模型，所述编码器解码器网络模型的编码器由GCN和GRU组成，所述编码器解码器网络模型的解码器由自注意力机制和全连接网络组成； S5，根据所述时序数据集和预设的损失函数，训练所述编码器解码器网络模型，从而获得所述动态水质预测模型的空间关系、时间关系及时空特征融合函数； 在步骤S5中，对于训练的每一次迭代过程，首先，使用所述编码器GCN学习图结构中的复杂空间关系，从而捕捉污染物的空间传输规律，同时采用GRU分析时序数据集中数据的时间依赖关系，从而捕捉空间信息和时间信息；然后，利用所述解码器采用自注意力机制来分析空间信息和时间信息的相关性矩阵，从而融合时空特征，并通过全连接网络自适应提取多个时间步下时空特征的关键信息，并对不同时间步的时空特征进行自适应调整，得到最终预测值，将预测值与标签值比对并计算损失函数值，继续迭代直至模型达到最优，即损失函数值最小，输出空间关系、时间关系及时空特征融合函数； S6，将步骤S5获得的空间关系、时间关系及时空特征融合函数带入步骤S1的动态水质预测模型； S7，将从目标监测站实时获取的污染物变量和水文气象数据输入步骤S6的动态水质预测模型模型中，经过运算后得到该目标监测站在未来预设时间段内的水质预测结果。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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”。