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！

龙图腾网获悉北京工业大学申请的专利一种水环境水质状态感知与预测方法、装置、设备及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：CN118886544B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202410912974.0，技术领域涉及：G06Q10/04；该发明授权一种水环境水质状态感知与预测方法、装置、设备及介质是由王功明;李欣怡;韩红桂;乔俊飞设计研发完成，并于2024-07-09向国家知识产权局提交的专利申请。

本一种水环境水质状态感知与预测方法、装置、设备及介质在说明书摘要公布了：本申请公开了一种水环境水质状态感知与预测方法、装置、设备及介质，涉及人工智能赋能水环境污染防治领域，该方法包括：通过将辅助变量组的实际数据输入至深度自编码器中，得到辅助变量组的实际数据对应的重构数据，根据辅助变量组的实际数据和重构数据确定重构误差，根据重构误差确定学习策略，利用学习策略对模糊神经网络模型进行训练，利用训练好的模糊神经网络模型对辅助变量组的实际数据进行预测，得到预测生化需氧量，本申请提高了生化需氧量的预测精度。

本发明授权一种水环境水质状态感知与预测方法、装置、设备及介质在权利要求书中公布了：1.一种水环境水质状态感知与预测方法，其特征在于，所述水环境水质状态感知与预测方法包括： 获取水环境监测站的水质状态参数对应的辅助变量组的实际数据；所述辅助变量组包括若干辅助变量；辅助变量为与生化需氧量相关联的水环境状态变量； 将所述辅助变量组的实际数据输入至训练好的深度自编码器中，得到所述辅助变量组的实际数据对应的重构数据； 根据辅助变量组的实际数据和重构数据确定重构误差； 根据所述重构误差确定学习策略，具体包括： 根据重构误差确定第一变量和第二变量；所述第一变量和所述第二变量用于反映重构误差下降趋势； 根据第一变量和第二变量确定所述重构误差对应的重构误差变化事件；所述重构误差变化事件用于表征水质状态和数据多工况特性； 根据所述重构误差对应的重构误差变化事件确定学习策略； 在根据第一变量和第二变量确定所述重构误差对应的重构误差变化事件步骤之前，还包括： 定义重构误差变化事件；重构误差变化事件包括E1，E2，E3，E4和E0；E1表示重构误差越来越小，且下降趋势越来越明显；事件E2表示重构误差越来越小，且下降趋势越来越趋缓；事件E3表示重构误差越来越大，且上升趋势越来越明显；事件E4表示重构误差及其下降趋势变化不规律，事件E0表示重构误差及其下降趋势出现其他情况； E1＝ελt＜0,ξλt＞0； E2＝ελt＜0,ξλt＜0； E3＝ελt＞0,ξλt＞0； E4＝ελt,ξλtfluctuates； E0＝ελt,ξλtOthers； 其中，ελt表示第一变量；ξλt表示第二变量； 所述第一变量的计算公式如下： ελt＝Jt-Jt-λ； 所述第二变量的计算公式如下： ξλt＝ελt-ελt-λ； 其中，Jt表示重构误差，λ为滞后参数； 利用所述学习策略，根据样本数据集对模糊神经网络模型进行训练，得到训练好的模糊神经网络模型；所述样本数据集包括辅助变量组的若干样本原始数据以及每一所述样本原始数据对应的样本生化需氧量；模糊神经网络模型包括输入层、隶属函数层、规则层和输出层，模糊神经网络模型的输出误差数学描述为： 其中，Ct为FNN的目标函数，yt和分别表示FNN实际输出和期望输出，FNN实际输出为辅助变量组样本原始数据对应的预测生化需氧量，期望输出为辅助变量组样本原始数据对应的样本生化需氧量，R为模糊神经网络模型隶属函数层和规则层神经元个数，n为模糊神经网络模型输入层神经元个数；βr是规则层第r个神经元的输出；w＝[w1,w2,…,wR]为规则层与输出层之间的连接权值，sj＝[s1j,s2j,…,snj]是隶属函数层第j个神经元的中心向量，vj＝[v1j,v2j,…,vnj]为隶属函数层第j个神经元的宽度，x＝[x1,x2,…,xn]为模糊神经网络模型的输入，模糊神经网络模型的学习过程即训练隶属函数层神经元中心和宽度以及规则层与输出层之间的连接权值，记为参数集θ＝[w,s,v]； 根据不同重构误差变化事件的特点设计与之相匹配的学习策略，即当特定重构误差变化事件被触发时算法启动的学习策略，具体参数学习算法如下： θt+1＝θt,Otherwise； 其中，0＜η2＜η1＜1表示不同学习策略下的学习率；Occurs表示发生，ifE1Occurs表示如果事件E1发生； 将所述辅助变量组的实际数据输入至训练好的模糊神经网络模型中，得到辅助变量组的实际数据对应的预测生化需氧量。

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工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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”。