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！

龙图腾网获悉中国环境科学研究院申请的专利一种基于神经网络的城市空气质量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：CN116205317B 。

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：202111474677.5，技术领域涉及：G06Q10/04；该发明授权一种基于神经网络的城市空气质量预测方法是由于瑞;束韫;黄家玉;王红梅;张辰;胡丙鑫;石耀鹏设计研发完成，并于2021-12-06向国家知识产权局提交的专利申请。

本一种基于神经网络的城市空气质量预测方法在说明书摘要公布了：本发明提供一种基于神经网络的城市空气质量预测方法，通过二维卷积单元对过去5年内的历史气象数据和空气质量模拟数据进行填充后特征提取，将提取后的特征历史气象数据和特征模拟数据输入LSTM，经遗忘门和输入门各自仿射变换后将计算结果输入空气质量网格化神经网络，输出未来一年内逐日各项污染物的浓度值及空气质量指数。向空气质量网格化神经网络输入年度目标条件，若某项污染物浓度不满足年度目标条件，则将其作为输入反向计算得到减排方案。优点：建立融合空气质量模拟数据和监测数据的神经网络模型，从而预测未来空气质量日浓度和减排工作相关关系，采用2层LSTM与相应遗忘层叠加的方式使模型不易过拟合，提升泛化性和普适性。

本发明授权一种基于神经网络的城市空气质量预测方法在权利要求书中公布了：1.一种基于神经网络的城市空气质量预测方法，其特征在于，所述方法包括： 空气质量网格化神经网络由ResNet网络组成，利用国控站的地理位置，创建一个地图作为ResNet的输入，映射成包含整个区域网格的空气质量地图，该网络使用国控点污染物实时监测数据和空气质量模拟数据进行训练，具体的，建立的映射需要的空气质量模拟数据是按网格划分的，实时监测数据基于站点实际地理位置； 二维卷积单元对过去5年内的历史气象数据和空气质量模拟数据进行填充后进行特征提取，得到特征历史气象数据和特征模拟数据； 将所述特征历史气象数据、特征模拟数据一起输入长短期记忆网络中，所述长短期记忆网络通过遗忘门和输入门各自的仿射变换后输出计算结果；所述长短期记忆网络为两层，两层所述长短期记忆网络之间设有遗忘层，所述遗忘层用于在同一时刻的纵向忽略前一层所述长短期记忆网络的部分特征数据，遗忘后的数据作为后一层所述长短期记忆网络的输入，得到所述计算结果，具体的，所述长短期记忆网络的下一层的输入结合本次隐藏态数据结果进行迭代后输出合格的空气质量预测值，包括；其中，所述遗忘后的数据作为后一层所述长短期记忆网络的纵向输入数据，具体的，第一层LSTM的记忆单元经过纵向的dropout层之后，下一层LSTM与之的对应记忆单元的横向输入数据还是相邻时刻的预测数据，此记忆单元的纵向输入数据是选择性删除部分特征数据后的部分特征数据xt，同一LSTM层之间的横向迭代是正常的，以保持数据的延续性； 将所述计算结果输入空气质量网格化神经网络中，输出未来一年内逐日的各项污染物的浓度值和空气质量指数； 向所述空气质量网格化神经网络输入年度目标条件，若所述空气质量网格化神经网络的输出结果符合年度目标条件则结束，否则以不满足年度目标条件的污染物的考核指标作为输入条件，使得所述空气质量网格化神经网络通过反向计算得到需要减排的总量，从而得到减排方案，所述目标中各项污染物包括，PM2.5、PM10、SO2、NOx、O3、CO的小时值；所述年度目标中各项污染物的数值输入所述空气质量网格化神经网络中，得到目标年度应输出各项污染物的指标；当所述目标年度应输出各项污染物的指标中有至少一项污染物指标不合格时，获取该不合格污染物指标对应的合格指标数据；将所述合格指标数据作为所述空气质量网格化神经网络的输入条件，使得所述空气质量网格化神经网络通过反向计算得到减排方案。

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环境科学研究院，其通讯地址为：100012 北京市朝阳区安外北苑大羊坊8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”。