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！

龙图腾网获悉华南农业大学申请的专利基于粒子群优化的混合深度学习出海口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：CN119940089B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411909479.0，技术领域涉及：G06F30/27；该发明授权基于粒子群优化的混合深度学习出海口水质预测方法是由江家泓;刘伟章;宋歌设计研发完成，并于2024-12-24向国家知识产权局提交的专利申请。

本基于粒子群优化的混合深度学习出海口水质预测方法在说明书摘要公布了：本发明公开了一种基于粒子群优化的混合深度学习出海口水质预测方法，首先通过数据预处理得到时间序列数据并进行相关性分析筛选水质指标，减少数据噪声；接着运用混合深度学习的方式，结合TCN、LSTM及CBAM网络的优势构建水质预测模型；随后使用时间序列数据对模型机型训练，使用TCN有效捕捉实现序列数据中的长时间依赖关系，采用LSTM增强长期记忆的处理能力，捕获水质数据中的复杂时间依赖模式，并使用CBAM引入注意力机制自适应选择重要特征，优化水质预测的准确性，提高预测精度和稳定性。本申请无论是对常规水质指标的日常监测预测，还是对特殊事件下水质突变的预警预测，都具有更高的准确性，能满足多样化的实际应用需求。

本发明授权基于粒子群优化的混合深度学习出海口水质预测方法在权利要求书中公布了：1.基于粒子群优化的混合深度学习出海口水质预测方法，其特征在于，包括下述步骤： 按照时间顺序获取出海口包含多个水质指标的原始水质数据，通过数据预处理得到时间序列数据集； 以溶解氧作为目标水质指标，计算时间序列数据集中每个水质指标与溶解氧之间的皮尔逊相关系数，保留皮尔逊相关系数大于设定标准阈值的水质指标的时间序列数据作为待用数据集； 构建水质预测模型，包括时域卷积网络、长短期记忆神经网络、卷积块注意力网络及输出网络； 初始化水质预测模型，使用粒子群优化算法对水质预测模型的超参数进行寻优，得到最优超参数的水质预测模型； 按照比例将待用数据集划分为训练集、验证集和测试集； 使用训练集和验证集对最优超参数的水质预测模型进行训练和验证，得到训练好的水质预测模型；采用评价指标在测试集上对训练好的水质预测模型进行性能评估，得到最终水质预测模型； 将待测水质数据输入最终水质预测模型中进行预测得到预测结果； 所述使用粒子群优化算法对水质预测模型的超参数进行寻优，具体为： 随机初始化微粒群及微粒速度和微粒位置； 计算微粒群中每个微粒的适应度值，记录个体最优微粒和全局最优微粒； 根据速度更新公式和位置更新公式调整微粒速度和微粒位置； 检查是否满足停止条件，若满足则结束粒子群优化算法，否则继续迭代计算更新后每个微粒的适应度值并更新微粒速度和微粒位置直至满足停止条件； 所述速度更新公式为： v i,dt+1=ωvi,dt+c1r1pBesti,d-xi,dt+c2r2gBestd-xi,dt， 其中，vi,dt+1为第t次迭代中第i个微粒在d维更新后的速度，vi,dt为第t次迭代中第i个微粒在d维更新前的速度，ω为惯性权重，c1、c2为学习因子，r1、r2为服从区间[0,1]中均匀分布的随机数，xi,dt为第t次迭代中第i个微粒在d维更新前的位置，pBesti,d为第i个微粒在d维的最优位置，gBestd为所有微粒中在d维适应度最优的微粒位置； 所述位置更新公式为： 𝑥𝑖,d𝑡+1=𝑥𝑖,d𝑡+𝑣𝑖,d𝑡+1， 其中，𝑥𝑖,d𝑡+1为第t次迭代中第i个微粒在d维更新后的位置。

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华南农业大学，其通讯地址为：510642 广东省广州市天河区五山路483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。