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！

龙图腾网获悉北京科技大学申请的专利基于分层动态图神经网络的空气质量时空预测方法及装置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：CN120724852B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511154592.7，技术领域涉及：G06F30/27；该发明授权基于分层动态图神经网络的空气质量时空预测方法及装置是由付冬梅;武晓蒙设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本基于分层动态图神经网络的空气质量时空预测方法及装置在说明书摘要公布了：本发明涉及环境科学技术领域，特别涉及一种基于分层动态图神经网络的空气质量时空预测方法及装置。方法包括：引入分层动态图神经网络的建模框架，该框架通过动态学习变量图和站点图的邻接矩阵，系统捕捉站点内部多变量之间的非线性交互及站点间时空依赖，实现对污染扩散过程的多层次动态建模，从而显著提升空气质量预测的准确性与泛化能力。本发明有效捕捉多变量之间的协同作用和潜在影响，显著提升单站点特征的表达能力和建模精度；能够适应污染传播路径及站点间空间依赖关系随时间变化的动态特性，增强模型对时空变化的感知和响应能力，从而提高预测的灵活性和准确性；提升了模型在捕捉复杂时空依赖关系方面的能力。

本发明授权基于分层动态图神经网络的空气质量时空预测方法及装置在权利要求书中公布了：1.一种基于分层动态图神经网络的空气质量时空预测方法，其特征在于，所述方法包括： S1、在历史时间序列的每个时间步，针对每个监测站点进行特征提取，获取N个气象变量； S2、针对每一个监测站点，在每一个时间步构建变量之间的图结构；并通过衡量变量之间的趋势相似性构建动态邻接矩阵；基于动态邻接矩阵对变量之间的图结构进行空间-时间学习； S3、在每一个时间步，针对每个监测站点构建站点间的图结构；并基于站点间的图结构，在每一个时间步构建动态邻接矩阵；基于动态邻接矩阵对站点之间的图结构进行空间-时间学习； S4、基于S1-S3构建分层图编码模块，在多个分层图编码模块堆叠过程中引入残差连接机制，获得分层图编码模块输出结果； S5、针对每个未来预测时间步进行信息提取，获得该时间步的时间表示作为解码器阶段的输入；将最后一层分层图编码模块的输出结果作为GRU的初始隐状态，并基于在每个预测时间步获得信息递归更新隐藏状态，获得节点状态随时间演化的动态特征； S6、GRU输出隐藏状态至预测模块，通过预测模块生产该时间步的预测值，完成基于分层动态图神经网络的空气质量时空预测； 其中，S2中，针对每一个监测站点，在每一个时间步t构建变量之间的图结构，并通过衡量变量之间的趋势相似性构建动态邻接矩阵，包括： 针对每一个监测站点，在每一个时间步构建变量之间的图结构； 对N个变量中的每个变量在历史时间内的时间序列进行移动平均处理； 基于移动平均处理后的变量时间序列，计算任意两个变量之间在该时间窗口内的趋势相似性； 基于趋势相似性构建变量间邻接矩阵；每间隔步滚动更新邻接矩阵，获得动态邻接矩阵。

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北京科技大学，其通讯地址为：100083 北京市海淀区学院路30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。