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一种溶解氧浓度数据修复及预报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：CN114970813B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202210536530.2，技术领域涉及：G06F18/15；该发明授权一种溶解氧浓度数据修复及预报方法是由焦建格;赵丽琴;黄森军;刘鹏;马倩倩设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本一种溶解氧浓度数据修复及预报方法在说明书摘要公布了：本发明公开了一种溶解氧浓度数据修复及预报方法，包括采集水质数据，建立原始数据集；识别缺失值，并利用箱形图对水质数据进行异常值分析，剔除异常值；利用拉格朗日插值法计算并修补识别的缺失值及剔除的异常值；利用改进的灰色关联分析法分析溶解氧与其他水质参数之间的相关性；利用麻雀搜索算法对LSTM神经网络的参数进行优化，建立改进LSTM模型；利用改进的LSTM模型对溶解氧数据进行预测。本发明利用麻雀算法建立了改进LSTM模型，在优化原始数据集中缺失值于异常值的基础上，准确的预测了溶解氧浓度变化，提供了水动力复杂河口区的水质高精度预测技术。

本发明授权一种溶解氧浓度数据修复及预报方法在权利要求书中公布了：1.一种溶解氧浓度数据修复及预报方法，其特征在于，包括以下步骤： 步骤1：采集水质数据，建立原始数据集； 步骤2：识别缺失值，并利用箱形图对水质数据进行异常值分析，剔除异常值； 步骤3：利用拉格朗日插值法计算对识别的缺失值及剔除的异常值； 步骤4：利用改进的灰色关联分析法分析溶解氧与其他水质参数之间的相关性； 步骤5：利用麻雀搜索算法SSA对LSTM神经网络的学习率、batchsize、训练次数、LSTM隐含层节点数和全连接隐含层节点数五个参数进行优化，建立改进LSTM模型； 步骤6：利用基于麻雀搜索算法SSA的改进LSTM模型对溶解氧数据进行预测； 所述步骤1的操作方法为选定某一监测站，获取连续记录水质数据序列，对监测数据进行编号，建立原始数据集D1； 所述步骤2的操作方法为识别数据序列中缺失的值，并通过数据序列箱形图分析，发现数据集中水质参数的异常值，并剔除异常值，建立调整后的数据集D2； 所述步骤3中采用拉格朗日插值法计算缺失值及异常值的具体流程包括： 流程3-1：计数据集D2数据个数为n，建立过n个点的n-1次多项式： y＝a0+a1x+a2x2+L+an-1xn-11 流程3-2：将n个点的坐标x1，y1x2，y2…xn，yn代入多项式函数，得到如下方程： 流程3-3：联立方程，解出拉格朗日插值多项式为： 流程3-4：将缺失的函数值对应的点x代入插值多项式，得到缺失值的近似值Lx，获得修补后数据集D3； 所述步骤4中改进的灰色关联分析法的流程如下： 流程4-1：首先需要确定参考数列与对比数列： X0k＝{X01,X02,LX0k}4 Xik＝{Xi1,Xi2,LXik} 流程4-2：初值化Xik： 流程4-3：构建参考序列与比较序列的差矩阵： 流程4-4：将引入，构成形状相似性关联系数： 流程4-5：构建参考序列与比较序列的商矩阵： 流程4-6：将引入，构成距离相似关联系数： 流程4-7：计算综合关联度： 所述步骤5的具体操作流程为： 流程5-1：将所述数据集D2的70％数据作为训练数据，构成训练集； 流程5-2：对麻雀搜索算法超参数进行设置； 流程5-3：种群初始化，将均方根误差作为适应度函数； 流程5-4：将种群参数输入到LSTM神经网络中，计算个体和群体适应度，不断地更新麻雀算子； 流程5-5：根据终止条件判断是否完成训练； 流程5-6：若完成训练，则输出LSTM最优超参数；否则返回流程5-4继续执行规则。

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”。