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！

龙图腾网获悉广东省水利水电科学研究院申请的专利基于用户行为分析的水资源管理优化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：CN120598140B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202511100106.3，技术领域涉及：G06Q10/04；该发明授权基于用户行为分析的水资源管理优化方法是由胡培;洪昌红;刘达设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本基于用户行为分析的水资源管理优化方法在说明书摘要公布了：本发明涉及数据处理技术领域，尤其涉及一种基于用户行为分析的水资源管理优化方法，该方法将用户在每个时段内的累计用水量组成用水量序列，根据用水量序列的周期性特征获取代表性周期长度；根据代表性周期长度获取目标子序列，根据目标子序列与用水量序列之间的周期性特征差异，获取行为偏离指数；将目标子序列输入LSTM模型中，利用LSTM模型的内部反馈特征，获取模型反馈因子；根据模型反馈因子与行为偏离指数自适应调整代表性周期长度，得到用于对用户在未来时段内的累计用水量进行预测的子序列，进而利用LSTM模型，预测用户的未来用水行为，提高了利用LSTM模型对未来用水行为进行预测的准确性，实现了对水资源的有效管理。

本发明授权基于用户行为分析的水资源管理优化方法在权利要求书中公布了：1.基于用户行为分析的水资源管理优化方法，其特征在于，所述基于用户行为分析的水资源管理优化方法包括： 获取任一用户在当前时段以及预设数量个历史时段内的累计用水量，得到用水量序列，根据所述用水量序列中数据的周期性特征，获取所述任一用户的代表性周期长度； 在所述用水量序列中，根据代表性周期长度，获取用于对当前时段的累计用水量进行预测的目标子序列，根据目标子序列与所述用水量序列之间的周期性特征差异，获取目标子序列的行为偏离指数； 将目标子序列输入至LSTM模型中，得到目标子序列中的每个数据的隐藏状态向量，以及当前时段的累计用水量的预测值，根据每个隐藏状态向量，以及当前时段的累计用水量与预测值之间的误差，获取目标子序列的模型反馈因子； 根据所述模型反馈因子与所述行为偏离指数，自适应调整代表性周期长度，得到用于对所述任一用户在未来时段内的累计用水量进行预测的子序列，根据所述子序列和LSTM模型，得到所述任一用户在未来时段内的预测累计用水量，根据所有用户在未来时段内的预测累计用水量，对水资源进行管理； 所述根据目标子序列与所述用水量序列之间的周期性特征差异，获取目标子序列的行为偏离指数，包括： 利用FFT算法，得到目标子序列对应的频谱图，计算目标子序列对应的频谱图中所有频率的能量的标准差，得到所述任一用户在目标子序列对应时段内的行为集中性指标，根据所述行为集中性指标，得到目标子序列的周期长度； 将目标子序列的周期长度与代表性周期长度之间的差值绝对值进行线性归一化，得到目标子序列的周期偏离度； 对目标子序列中的每个数据的离均差进行累加，得到累加和，将所述累加和进行线性归一化，得到目标子序列的数据波动程度； 计算所述周期偏离度与所述数据波动程度之间的和，得到目标子序列的行为偏离指数； 所述根据每个隐藏状态向量，以及当前时段的累计用水量与预测值之间的误差，获取目标子序列的模型反馈因子，包括： 计算目标子序列中每相邻两个数据的隐藏状态向量之间的欧氏距离，将所有欧氏距离的均值进行线性归一化，得到LSTM模型对目标子序列的记忆更新程度； 在所述用水量序列中，根据代表性周期长度，获取对目标子序列中的每个数据进行预测的历史子序列，分别将每个所述历史子序列输入至LSTM模型中，得到目标子序列中的每个数据的预测值，计算目标子序列中的每个数据与其预测值之间的差值绝对值，得到历史预测误差； 计算当前时段的累计用水量与其预测值之间的差值绝对值，得到实时预测误差，将所有历史预测误差，以及所述实时预测误差组成误差序列，计算所述误差序列中的每个数据的离均差，将所有离均差的均值进行线性归一化，得到预测波动程度； 计算所述记忆更新程度与所述预测波动程度之间的均值，得到目标子序列的模型反馈因子。

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广东省水利水电科学研究院，其通讯地址为：510000 广东省广州市天寿路101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。