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！

龙图腾网获悉西安科技大学申请的专利一种基于人工智能的光伏区生态治理效果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：CN120832987B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511327038.4，技术领域涉及：G06Q10/04；该发明授权一种基于人工智能的光伏区生态治理效果预测方法是由艾泽民;张文;南雅琦;张祎;闫睿;王周;李鹏;党小虎;成玉婷设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本一种基于人工智能的光伏区生态治理效果预测方法在说明书摘要公布了：本发明公开了一种基于人工智能的光伏区生态治理效果预测方法，本发明涉及生态治理技术领域。该方法步骤包括：划分光伏区二维网格并对光伏区布设传感器采集得到关键区域土壤数据，通过反距离加权法得到光伏网格点土壤数据；通过无人机遥感影像获得红光和近红外波段反射率，并计算植被指数；通过结合光伏网格点土壤数据和植被指数，得到光伏网格点综合张量；将光伏网格点综合张量输入到基于时间注意力机制的卷积神经网络模型，输出得到生态特征演化张量；将生态特征演化张量输入到生态治理效果预测模型，输出得到生态治理预测张量；通过计算生态治理实时张量和生态治理预测张量的差异，得到生态治理误差指数来优化生态治理效果预测模型的参数。

本发明授权一种基于人工智能的光伏区生态治理效果预测方法在权利要求书中公布了：1.一种基于人工智能的光伏区生态治理效果预测方法，其特征在于：包括以下步骤： 步骤S1：对光伏区域进行网格划分，得到光伏区二维网格；在所述光伏区二维网格布设传感器，通过所述传感器采集得到关键区域土壤数据；基于所述关键区域土壤数据，通过反距离加权法对所述光伏区二维网格中每个点进行填补，计算得到光伏网格点土壤数据； 步骤S2：通过无人机搭载多光谱相机对所述光伏区域进行扫描，得到遥感影像数据，通过对所述遥感影像数据进行频率波段分解得到红光波段反射率和近红外波段反射率；通过结合所述红光波段反射率和近红外波段反射率，计算得到光伏网格点植被指数；通过结合所述光伏网格点土壤数据和光伏网格点植被指数，得到光伏网格点综合张量； 步骤S3：构建基于时间注意力机制的卷积神经网络模型，将所述光伏网格点综合张量输入到所述卷积神经网络模型中，输出得到生态特征演化张量；所述构建基于时间注意力机制的卷积神经网络模型，包括以下步骤： 构建基于时间注意力机制的卷积神经网络模型，所述卷积神经网络模型包括：空间特征提取分支、时间特征提取分支和特征融合与压缩模块； 所述空间特征提取分支包括：卷积层1，卷积层2、空间注意力模块、最大池化层、卷积层3、卷积层4； 卷积层1：2D卷积层，卷积核33，输出通道数64，步长为1，填充为1，ReLU激活函数； 卷积层2：2D卷积层，卷积核33，输出通道数64，步长为1，填充为1，ReLU激活函数； 空间注意力模块：通道注意力：全局平均池化-全局最大池化-共享多层感知机MLP-Sigmoid激活生成通道权重；空间注意力：使用通道平均和最大池化得到2通道特征-7×7卷积-Sigmoid激活生成空间权重； 最大池化层：池化窗口22，步长为2； 卷积层3：2D卷积层，卷积核33，输出通道数128，步长为1，填充为1，ReLU激活函数； 卷积层4：2D卷积层，卷积核33，输出通道数128，步长为1，填充为1，ReLU激活函数； 空间注意力模块：通道注意力：全局平均池化-全局最大池化-共享多层感知机MLP-Sigmoid激活生成通道权重；空间注意力：使用通道平均和最大池化得到2通道特征-7×7卷积-Sigmoid激活生成空间权重； 最大池化层：池化窗口22，步长为2； 所述时间特征提取分支：时间注意力层、全连接层、前馈神经网络、全局平均池化层、最大池化层；时间注意力层：采用多头注意力机制，每个头进行Q、K、V三个变换；全连接层进行线性变化；最大池化层：1D最大池化层，池化窗口1*4，步长为4； 特征融合与压缩模块：时间平均池化层、拼接层、卷积层5；卷积层5：卷积核1×1，输出通道128； 步骤S4：构建生态治理效果预测模型，将所述生态特征演化张量输入到生态治理效果预测模型中，输出得到生态治理预测张量；所述构建生态治理效果预测模型，包括以下具体步骤： 构建生态治理效果预测模型，所述生态治理效果预测模型，包括3D空洞卷积模块和分层时序模块，多尺度特征融合层、3D高精度上采样层、预测输出层； 所述3D空洞卷积模块包括：空洞卷积层1，空洞卷积层2和空间注意力模块； 空洞卷积层1：卷积核333，空洞率1,2,2，输出通道数128；空洞卷积层2：卷积核333，空洞率1,2,2，输出通道数128；空间注意力模块：通道注意力：全局平均池化、全局最大池化、共享多层感知机MLP、Sigmoid激活生成通道权重；空间注意力：使用通道平均和最大池化得到2通道特征、7×7卷积、Sigmoid激活生成空间权重； 所述分层时序模块包括：短期分支和长期分支，短期分支采用3层卷积长短期记忆网络3D-ConvLSTM，长期分支采用4头注意力层和前馈网络； 3D高精度上采样层：转置卷积：3×3×3核，步长1,2,2，128通道，输出100×100×128；二次转置卷积：3×3×3核，步长2，64通道； 预测输出层：生态治理预测张量，，H为网格行数，W为网格列数，K为生态参数通道，为预测时间步长； 步骤S5：实时收集光伏区的生态治理数据，得到生态治理实时张量；通过计算所述生态治理实时张量与生态治理预测张量的参数差异，计算得到生态治理均方误差；通过计算所述生态治理实时张量与生态治理预测张量的通道相似性，计算得到生态治理通道相似指数； 步骤S6：通过结合所述生态治理均方误差和生态治理通道相似指数，计算得到生态治理误差指数；基于所述生态治理误差指数对所述生态治理效果预测模型进行参数优化，最终得到优化后的生态治理效果预测模型，从而实现生态治理效果预测。

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西安科技大学，其通讯地址为：710000 陕西省西安市雁塔中路58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。