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！

龙图腾网获悉大连理工大学申请的专利基于LSTM模型和污染情景数据库的水质污染源反向追踪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：CN119167034B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202411326247.2，技术领域涉及：G06F18/20；该发明授权基于LSTM模型和污染情景数据库的水质污染源反向追踪方法是由李嘉琪;刘志红;张弛;朱喆;李昱设计研发完成，并于2024-09-23向国家知识产权局提交的专利申请。

本基于LSTM模型和污染情景数据库的水质污染源反向追踪方法在说明书摘要公布了：基于LSTM模型和污染情景数据库的水质污染源反向追踪方法，属于水质监测与污染溯源技术领域，用于解决在有限数据条件下难以准确识别污染源和污染类型的问题，技术要点根据污染物扩散方程构建用于描述污染因子在流域内的迁移和扩散的模型；将输入模型的污染源特征参数、模型输出的污染因子浓度变化曲线、残差值及对应的污染场景间形成映射，存储在数据库中；使用数据库中的数据训练机器学习模型；将机器学习模型预测输出的污染源特征参数，在数据库中匹配，获取数据库中匹配的污染源特征参数对应的污染场景，效果是能够有效提升污染源追踪的准确性和效率，可用于流域污染治理和环境监测预警，为流域水环境管理提供关键技术支持。

本发明授权基于LSTM模型和污染情景数据库的水质污染源反向追踪方法在权利要求书中公布了：1.一种水质污染源反向追踪方法，其特征在于，包括： 获取水质监测数据中的污染源特征参数；所述污染源特征参数包括污染因子的浓度、时间以及地点； 根据污染物扩散方程构建用于描述污染因子在流域内的迁移和扩散的模型； 根据不同污染场景，将水质监测数据的所述污染源特征参数输入所述模型，根据所述模型，获取不同污染场景的响应所述输入的污染因子浓度变化曲线，污染因子浓度变化曲线是污染因子在距离污染源处、时间的浓度的变化曲线； 计算各场景下的污染因子浓度的观测值与所述模型响应所述输入输出的污染因子浓度的预测值的残差值； 将输入所述模型的所述污染源特征参数、所述模型输出的污染因子浓度变化曲线、所述残差值及对应的污染场景间形成映射，存储在数据库中； 使用所述数据库中的数据训练机器学习模型，输入格式为时间序列数据，输入数据为水质因子浓度的时间序列数据，输出目标为污染源特征参数； 将实测污染因子浓度的时间序列数据输入训练后的所述机器学习模型，由所述机器学习模型预测输出响应所述输入的污染源特征参数； 将所述机器学习模型预测输出的所述污染源特征参数，在所述数据库中匹配，获取数据库中匹配的污染源特征参数对应的污染场景； 根据所述机器学习模型预测输出的所述污染源特征参数获取污染源的地点信息，根据数据库中匹配的污染源特征参数对应的污染场景获取污染场景信息； 其中，所述用于描述污染因子在流域内的迁移和扩散的模型，包括S-P模型，通过模拟不同污染情景下的污染物浓度变化，建立全面的污染情景数据库，数据库涵盖各种可能的污染类型和来源，能够在输入有限监测数据的情况下，通过与数据库中的污染情景进行匹配，快速识别出污染物的类型和来源； S-P模型由下式表示： 式中，为污染因子在距离污染源处、时间的浓度，表示污染因子浓度变化曲线，为距污染源的距离，用于表示地点，为初始污染因子的浓度，t为时间，为污染因子扩散系数，为水流速度。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。