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！

龙图腾网获悉山东大学申请的专利一种海洋腐蚀实时监测方法、系统、终端及存储介质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：CN119198525B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202411707606.9，技术领域涉及：G01N17/00；该发明授权一种海洋腐蚀实时监测方法、系统、终端及存储介质是由郭旭;贾宇婧;李宏伟;王东博设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本一种海洋腐蚀实时监测方法、系统、终端及存储介质在说明书摘要公布了：本发明属于海洋腐蚀监测技术领域，尤其涉及一种海洋腐蚀实时监测方法、系统、终端及存储介质，包括：基于布设在海洋结构上的传感设备获取实时的原始数据，原始数据包括电化学数据、环境数据、物理状态数据和腐蚀状态数据；基于核函数将原始数据映射到高维空间，基于注意力机制获取映射到高维空间后的原始数据中的与腐蚀状态最相关的强化特征；基于腐蚀状态的时间依赖关系建立LSTM模型，LSTM模型输入强化特征，输出局部时间序列特征；将强化特征和局部时间序列特征进行加权融合，得到腐蚀状态预测模型，输入强化特征和局部时间序列特征，输出腐蚀速率预测值、腐蚀深度预测值和腐蚀风险评分值。实时反映腐蚀进程的变化，提高决策的时效性。

本发明授权一种海洋腐蚀实时监测方法、系统、终端及存储介质在权利要求书中公布了：1.一种海洋腐蚀实时监测方法，其特征在于，包括：S1，基于布设在海洋结构上的传感设备获取实时的原始数据，原始数据包括电化学数据、环境数据、物理状态数据和腐蚀状态数据；S2，基于核函数将原始数据映射到高维空间，基于注意力机制获取映射到高维空间后的原始数据中的与腐蚀状态最相关的强化特征；S3，基于腐蚀状态的时间依赖关系建立LSTM模型，LSTM模型输入强化特征，输出局部时间序列特征；S4，将强化特征和局部时间序列特征进行加权融合，得到腐蚀状态预测模型，输入强化特征和局部时间序列特征，输出腐蚀速率预测值、腐蚀深度预测值和腐蚀风险评分值；步骤S4具体包括：对强化特征和局部时间序列特征进行加权综合，计算为： 其中，是权重参数，是强化特征矩阵，是局部时间序列特征，F是融合后的特征向量；基于全连接层将融合后特征向量映射到低维空间，计算为： 其中，是全连接层的权重矩阵；是全连接层的偏置，是全连接层的输出；基于输出层将全连接层输出与腐蚀速率对应的权重参数结合，得到腐蚀速率预测结果；具体的腐蚀速率预测模型为： 其中，是腐蚀速率，是腐蚀速率权重矩阵，是腐蚀速率偏置项，根据该模型可以得到腐蚀速率预测值；将全连接层输出与腐蚀深度对应的权重参数结合，得到腐蚀深度预测结果； 其中，是腐蚀深度，是腐蚀深度权重矩阵，是腐蚀深度偏置项，根据该模型可以得到腐蚀深度预测值；将全连接层输出与腐蚀风险评分对应的权重参数结合，得到腐蚀风险评分预测结果； 其中，是腐蚀风险评分，是腐蚀风险评分权重矩阵，是腐蚀风险评分偏置项，根据该模型可以得到腐蚀风险评分预测值；综合腐蚀速率预测结果、腐蚀深度预测结果和腐蚀风险评分预测结果，得到输出层输出的预测矩阵；步骤S2中，基于核函数将原始数据映射到高维空间包括：对原始数据进行预处理得到原始数据特征矩阵；基于高斯核将原始数据特征矩阵映射到高维空间，得到反映原始数据特征向量之间相似性的核矩阵，计算为： 其中为第i个时间步的原始数据特征向量，为第j个时间步的原始数据特征向量，表示两个特征向量之间的欧氏距离，为核函数的带宽参数；步骤S2中，基于注意力机制获取映射到高维空间后的原始数据中的与腐蚀状态最相关的强化特征包括：基于核矩阵计算每个原始数据特征向量的注意力分数，计算为： 其中，为第i个时间步的原始数据特征向量的注意力分数，为第i个时间步的原始数据特征向量与第j个时间步的原始数据特征向量相似性的权重，T为时间序列的总长度；基于过softmax函数对注意力分数进行归一化，得到原始数据特征向量的权重，计算为： 其中，为第i个原始数据特征向量的权重；对所有原始数据特征向量进行加权综合,得到强化特征向量，计算为： 其中是强化特征向量；基于强化特征向量得到强化特征矩阵。

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山东大学，其通讯地址为：250100 山东省济南市历城区山大南路27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”。