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！

龙图腾网获悉中国计量大学申请的专利基于物理信息神经网络的大气颗粒物粒度演化分析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：CN114997517B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202210748773.2，技术领域涉及：G06F30/25；该发明授权基于物理信息神经网络的大气颗粒物粒度演化分析方法是由于明州;马畅;曹衍龙;沈进东;刘岳燕设计研发完成，并于2022-06-28向国家知识产权局提交的专利申请。

本基于物理信息神经网络的大气颗粒物粒度演化分析方法在说明书摘要公布了：本发明公开了一种基于物理信息神经网络的大气颗粒物粒度演化分析方法。该方法将物理信息神经网络应用到颗粒群方程中，对颗粒群平衡方程利用高斯积分进行离散化处理，得到离散后可在计算机中表示的颗粒群平衡方程，并经离散后的方程嵌入到神经网络的损失函数中去，利用选取的边界点和内部点作为数据集对神经网络进行训练，实现了对大气颗粒物的粒度分布演化的计算，本发明无需网格，求解精度高、速度快。

本发明授权基于物理信息神经网络的大气颗粒物粒度演化分析方法在权利要求书中公布了：1.基于物理信息神经网络的大气颗粒物粒度演化分析方法，其特征在于，包括以下步骤： 步骤1.根据实际情况下大气颗粒物的粒径大小范围和要预测的时间长度，来确定样本点抽取的范围； 利用拉丁超立方抽样的方法，分别抽取样本点范围内的内部点和初始点作为数据集； 步骤2.对颗粒群平衡方程利用高斯积分进行离散化处理，得到离散后可在计算机中表示的颗粒群平衡方程； 步骤3.构建前馈神经网络，将步骤2中处理后的方程作为损失函数嵌入到神经网络中，结合Adam和L-BFGS优化算法对前馈神经网络的权值和阈值进行优化； 步骤4.将步骤1中抽取的内部点和初始点作为前馈神经网络的输入，利用步骤3构建的前馈神经网络进行训练； 步骤5.根据步骤1中确定的范围进行均匀分布抽取样本点，送入训练好的前馈神经网络，通过前向传播得到预测的大气颗粒物的粒度分布演化； 其中，步骤2中对颗粒群平衡方程利用高斯积分进行离散化处理具体是将颗粒群平衡方程等式后第一项Bcoag用高斯-勒让德求积公式处理，等式后第二项Dcoag用高斯-拉盖尔积分处理，具体是： 对于Bcoag，通过变换积分限得到形式如公式2所示： 利用高斯-勒让德积分处理得到其离散形式如公式3所示： 对于Dcoag，调整函数形式得到公式4： 利用高斯-拉盖尔积分得到其离散形式如公式5所示： 通过上述处理过程，最终得到离散后的形式，如公式6所示： 处理后选择5个积分点，以保证代数精度满足方程精度要求； 其中，步骤3中损失函数嵌入到神经网络时，此时的损失函数Loss设定为： Loss＝Loss1+Loss2 其中Loss1代表颗粒群平衡方程所产生的损失函数，Loss2代表初始条件所产生的损失函数； 其中Mu表示内部取样点的数量，Bcoag和Dcoag项分别代表离散化颗粒群平衡方程的等式后第一项和第二项； Loss2代表初始条件所产生的损失函数其形式如公式8所示： 其中Mf表示初始边界点的数量，nv,t表示要求得的颗粒密度函数。

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中国计量大学，其通讯地址为：310018 浙江省杭州市下沙高教园区学源街258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”。