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！

龙图腾网获悉北京师范大学申请的专利流域化学物质模拟浓度与监测浓度的数据同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：CN121393621B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202511984907.0，技术领域涉及：G16C20/20；该发明授权流域化学物质模拟浓度与监测浓度的数据同化方法是由孟耀斌;王思佳;石涛;李盛泽;李家蔚设计研发完成，并于2025-12-26向国家知识产权局提交的专利申请。

本流域化学物质模拟浓度与监测浓度的数据同化方法在说明书摘要公布了：本公开提供一种流域化学物质模拟浓度与监测浓度的数据同化方法，包括：获取流域化学物质模拟模型输出的第一模拟浓度，第一模拟浓度包括目标流域当日各个空间单元的化学物质浓度；构建目标流域当日的状态向量，状态向量包括目标流域各个空间单元上一日的化学物质浓度、当日以及上一日的气象水文数据和排放数据；判断当日是否存在监测向量，监测向量包括第一空间单元集合中各个空间单元当日的化学物质监测浓度，第一空间单元集合为目标流域内具有监测点位的空间单元的集合；在判断结果为是时，利用增量变分数据同化方法计算同化后目标状态日的更新浓度值并基于更新浓度值，利用流域化学物质模拟模型进行逐日连续模拟得到当日的第二模拟浓度。

本发明授权流域化学物质模拟浓度与监测浓度的数据同化方法在权利要求书中公布了：1.一种流域化学物质模拟浓度与监测浓度的数据同化方法，其特征在于，包括以下步骤： 获取流域化学物质模拟模型基于当日输入数据模拟输出当日的第一模拟浓度，所述第一模拟浓度包括目标流域各个空间单元当日的化学物质浓度，所述当日输入数据包括目标流域当日以及上一日的气象水文数据和排放数据、以及上一日的化学物质浓度； 构建目标流域当日的状态向量，所述状态向量包括目标流域各个空间单元上一日的化学物质浓度、当日以及上一日的气象水文数据和排放数据； 判断当日是否存在监测向量，所述监测向量包括第一空间单元集合中各个空间单元当日的化学物质监测浓度，所述第一空间单元集合为目标流域内具有监测点位的空间单元的集合； 在判断结果为是时，基于当日的监测向量，利用增量变分数据同化方法计算同化后目标状态日的更新浓度值，所述更新浓度值包括第一空间单元集合内各个空间单元的化学物质浓度，基于所述更新浓度值，利用所述流域化学物质模拟模型进行逐日连续模拟得到当日的第二模拟浓度，将目标流域当日的化学物质浓度由所述第一模拟浓度更新为所述第二模拟浓度，所述目标状态日早于当日预设天数； 基于当日的监测向量，利用增量变分数据同化方法计算同化后目标状态日的更新浓度值的步骤包括： 基于目标流域在历史时段内的气象水文数据和排放数据，利用流域化学物质模拟模型对目标流域在历史时段内的化学物质浓度进行逐日连续模拟，根据模拟结果以及所述历史时段内的气象水文数据和排放数据生成复盘数据集，根据复盘数据集构建第一空间单元集合对应的多日推译矩阵，所述多日推译矩阵表示第一空间单元集合中各个空间单元在目标状态日的状态向量与当日的监测向量之间的映射关系； 获取参考期和当前期的状态向量，根据所述参考期和当前期的状态向量计算最佳奇异值截断位置； 基于所述最佳奇异值截断位置和多日推译矩阵构建增量变分数据同化方法的目标函数，对目标函数进行求解得到同化后目标状态日的更新浓度值； 根据所述参考期和当前期的状态向量计算最佳奇异值截断位置的步骤包括： 根据当前期的状态向量计算当前期对应的第一方差协方差矩阵，根据参考期的状态向量计算参考期对应的第二方差协方差矩阵； 对所述第一方差协方差矩阵进行奇异值分解得到第一奇异值矩阵，对所述第二方差协方差矩阵进行奇异值分解得到第二奇异值矩阵； 根据所述第一奇异值矩阵和第二奇异值矩阵计算长期信号时移误差； 根据所述长期信号时移误差确定最佳奇异值截断位置； 基于所述更新浓度值，利用所述流域化学物质模拟模型进行逐日连续模拟得到当日的第二模拟浓度的步骤包括： 利用所述更新浓度值更新流域化学物质模拟模型的第一输入数据，所述第一输入数据为模拟目标状态日次日的化学物质浓度时输入数据中第一空间单元集合内各个空间单元的化学物质浓度； 基于更新后的第一输入数据以及原始状态向量中的气象水文数据和排放数据，利用所述流域化学物质模拟模型进行逐日连续模拟得到当日的第二模拟浓度，所述原始状态向量为数据同化前的目标流域的状态向量。

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师范大学，其通讯地址为：100875 北京市海淀区新街口外大街19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。