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！

龙图腾网获悉昆明理工大学申请的专利一种基于变分模态分解和注意力机制的TCN-LSTM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：CN119624217B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411663764.9，技术领域涉及：G06Q10/0639；该发明授权一种基于变分模态分解和注意力机制的TCN-LSTM水质预测方法是由师金龙;张代青;肖裕锋;朱煜宵设计研发完成，并于2024-11-20向国家知识产权局提交的专利申请。

本一种基于变分模态分解和注意力机制的TCN-LSTM水质预测方法在说明书摘要公布了：本发明公开一种基于变分模态分解和注意力机制的TCN‑LSTM水质预测方法，属于水质时序数据预测领域。包括以下步骤：1对水质数据进行预处理；2对处理好的水质数据进行VMD分解；3将分解后的数据划分为训练集、验证集和测试集；4左侧分支卷积模块中，训练集数据依次经过第一层卷积层、第一层归一化层、第一层Dropout层、第二层卷积层、第二层归一化层、ReLU激活层和第二层Dropout层；5在右侧分支，训练集数据进入卷积跳跃层；6在加法层，右侧分支的特征与左侧分支的特征相加融合，融合后的特征依次通过LSTM层、自注意力层、全连接层和回归输出层，输出水质数据的预测结果。本发明能准确预测河流、湖泊等水质数据，为水资源管理提供有力支持。

本发明授权一种基于变分模态分解和注意力机制的TCN-LSTM水质预测方法在权利要求书中公布了：1.一种基于变分模态分解和注意力机制的TCN‑LSTM水质预测方法，其特征在于：包括以下步骤： 1对水质数据进行预处理； 2对处理好的水质数据进行VMD分解； 3将分解后的数据进行划分，包括训练集、验证集和测试集； 4将训练集数据输入TCN神经网络的左侧分支卷积模块，训练集数据首先经过第一层卷积层，提取局部时序特征； 5第一层卷积层之后进入第一层归一化层，对卷积结果进行归一化； 6第一层归一化层之后进入第一层Dropout层，使用Dropout随机丢弃该层部分神经元的输出，随后，数据依次通过第二层卷积层和第二层归一化层； 7第二层归一化层的输出数据进入ReLU激活层，然后进入第二层Dropout层； 8将步骤3的训练集数据输入TCN神经网络的右侧分支卷积跳跃模块，在右侧分支卷积跳跃模块中，训练集数据进入卷积跳跃层，形成跳跃连接； 9第二层Dropout层的输出特征及卷积跳跃层的输出特征同时进入加法层进行相加融合；融合后的特征通过LSTM层，LSTM用于捕捉时间序列数据中的长期依赖性； 10LSTM层输出的特征经过自注意力层，为不同时间步分配注意力权重； 11经过全连接层，将自注意力层提取的多维特征整合为固定大小的输出向量； 12最后，全连接层输出的数据通过回归输出层，输出水质数据的预测结果，并展示在测试集预测结果图中； 步骤1具体如下：获取某水域连续时间内的水质各指标数据，包括水温、pH、溶解氧、总磷、总氮、氨氮、浊度、叶绿素、高锰酸盐、藻密度和电导率共11个指标，然后对异常值进行删除、缺失值进行插补的预处理；步骤3具体如下：将分解后的数据集按照8：1：1的比例进行划分，即80％训练集，10％验证集，10％测试集； 步骤9具体如下： 91加法层用于将左侧第二层Dropout层的输出和右侧卷积跳跃层的输出进行相加，实现特征的融合； 92随后相加的数据输入到LSTM网络的LSTM层中，LSTM层每个单元依次进行以下步骤： 921遗忘门通过前一时刻的输出值和当前输入值，计算出一个控制遗忘程度的输出值； 922输入门结合前一时刻的输出值和当前输入值，计算得出输入门的输出值和候选单元状态； 923更新当前单元状态时，将遗忘门的输出和上一时刻状态相乘，再将输入门的输出与候选单元状态相乘，得出当前的单元状态； 924输出门将ht‑1和输入xt当作时间t输入门的输入值得到输出门。

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昆明理工大学，其通讯地址为：650093 云南省昆明市五华区学府路253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”。

以上内容由龙图腾AI智能生成。