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！

龙图腾网获悉中国环境科学研究院申请的专利基于强化学习的水体微生物风险分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：CN120220788B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510694609.1，技术领域涉及：G16B5/00；该发明授权基于强化学习的水体微生物风险分析方法是由滕苗苗;孙嘉琪;张子譞;赵李辉;李云霞;吴丰昌设计研发完成，并于2025-05-28向国家知识产权局提交的专利申请。

本基于强化学习的水体微生物风险分析方法在说明书摘要公布了：本发明公开了一种基于强化学习的水体微生物风险分析方法，S1.生成标准化观测数据集；S2.基于标准化观测数据集构建动态水体图；S3.针对动态水体图结构执行动态图表示学习，在节点向量表征矩阵基础上生成时空风险热度矩阵；S4.构建贝叶斯奖励函数先验分布，初始化奖励函数并建立奖励函数参数集合；S5.采用最大后验逆向强化学习模型对奖励函数参数集合进行增量学习，输出第一传播势场；S6.获得最优扩散路径序列；S7.将最优扩散路径序列与标准化观测数据集进行路径重建误差分析，得到动态反馈指标。本发明实测中对突发事件引起的污染扩散响应延迟大幅度缩短，显著提升了系统在突发污染场景中的应急建模能力。

本发明授权基于强化学习的水体微生物风险分析方法在权利要求书中公布了：1.一种基于强化学习的水体微生物风险分析方法，其特征在于，包括如下步骤： S1.采集目标水域中的原始观测数据集并进行预处理，生成标准化观测数据集； S2.基于标准化观测数据集构建动态水体图； S3.针对动态水体图结构执行动态图表示学习，得到节点向量表征矩阵，并在节点向量表征矩阵基础上生成时空风险热度矩阵； S4.利用标准化观测数据集、节点向量表征矩阵与时空风险热度矩阵，构建贝叶斯奖励函数先验分布，初始化奖励函数并建立奖励函数参数集合； S5.在动态水体图结构上以标准化观测数据集为行为结果输入，采用最大后验逆向强化学习模型对奖励函数参数集合进行增量学习，输出第一传播势场； S6.以第一传播势场作为适应度评价依据，调用人工蜂群优化算法在动态水体图结构上执行全局搜索，生成候选扩散路径集合，基于候选扩散路径集合与第一传播势场，执行跟随蜂局部精化与侦察蜂随机扰动操作，获得最优扩散路径序列； S7.将最优扩散路径序列与标准化观测数据集进行路径重建误差分析，得到动态反馈指标，并形成联合收敛迭代循环，当循环结束时，输出最终扩散路径序列、动态风险区分布图以及奖励函数敏感性指标； 所述S6包括以下步骤： S61.计算每一条扩散路径的路径适应度值，路径适应度值的计算方法为将扩散路径上所有空间节点在对应时间步的传播势能值依次乘以其在路径中的风险权重系数后求和，传播势能值从第一传播势场中获取； S62.初始化人工蜂群优化算法的蜂群个体集合，设置先导蜂数量、跟随蜂数量与侦察蜂数量，并生成与之数量一致的初始路径集合，每一个路径个体由一组空间节点组成； S63.对每一条由先导蜂生成的路径，按照传播势场的梯度方向执行路径更新操作，路径更新操作通过在原路径基础上沿着传播势能上升方向插入新的空间节点或调整路径走向； S64.对每一条由跟随蜂负责优化的路径，基于当前传播势场适应度最高路径进行局部精化操作； S65.由侦察蜂负责执行全随机路径搜索机制，随机路径由在动态水体图结构上随机选取连通空间节点构建而成，若随机路径的传播势能累积值高于当前路径集合中最差路径的传播势能累积值超过最小改进阈值，则将扩散路径替换原集合中最差路径； S66.重复执行先导蜂的全局引导搜索、跟随蜂的局部精化搜索与侦察蜂的随机搜索机制，在每一轮迭代中记录当前适应度最高的路径，并将其作为路径种群的参考最优解，当达到最大迭代次数或路径适应度值提升幅度小于预设终止阈值时，终止人工蜂群优化过程； S67.在人工蜂群优化过程终止后，输出最终的最优扩散路径，最优扩散路径为当前所有路径个体中传播势能累积值最高的路径，扩散路径表示病原微生物在动态水体图结构中由潜在源头扩散至高风险区域的最可能传播路径。

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 北京市朝阳区洼里乡大羊坊8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”。