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！

龙图腾网获悉北京石油化工学院申请的专利一种区域污染物浓度预测方法、装置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：CN120163292B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510313708.0，技术领域涉及：G06Q10/04；该发明授权一种区域污染物浓度预测方法、装置及存储介质是由王亚飞;李啟源;刘笑瑒设计研发完成，并于2025-03-17向国家知识产权局提交的专利申请。

本一种区域污染物浓度预测方法、装置及存储介质在说明书摘要公布了：本发明涉及一种区域污染物浓度预测方法、装置及存储介质，应用于污染监测技术领域。具体包括：通过获取各个单站点的历史污染物浓度监测数据以及气象数据，并基于KAN和Transformer架构融合的EnvMulti‑KAN模型预测单站点的未来细颗粒物浓度以及污染物化学组成成分；再进一步根据目标区域内各个单站点的预测结果，采用多站点细颗粒物扩散模型结合地理信息以及各单站点之间的相互作用，模拟颗粒扩散汇聚，构建污染物区域浓度，精准预测区域性细颗粒物浓度，打破单站视野局限；本申请通过使单站点模型与多站点模型协同，精准预测区域性细颗粒物浓度，同步精准预测污染物的主要成分，为大气化学理论研究提供实证。

本发明授权一种区域污染物浓度预测方法、装置及存储介质在权利要求书中公布了：1.一种区域污染物浓度预测方法，其特征在于，所述方法包括： 获取目标区域内各个单站点的历史预设时间段的污染物浓度监测数据以及气象数据，所述污染物浓度监测数据包括各个污染物浓度以及各个污染物的化学组成成分； 将各个单站点的历史预设时间段的污染物浓度监测数据以及气象数据作为输入数据分别输入到预训练好的EnvMulti-KAN模型中，通过所述EnvMulti-KAN模型预测单站点的未来一段时间内的细颗粒物浓度以及细颗粒物组成成分； 所述EnvMulti-KAN模型包括：多尺度特征融合模块、动态环境交互模块以及多任务预测解码器； 所述通过所述EnvMulti-KAN模型预测单站点的未来一段时间内的细颗粒物浓度以及细颗粒物组成成分包括： 所述多尺度特征融合模块采用细粒度样条函数获取输入数据中气象因素与污染物浓度的非线性关系，所述多尺度特征融合模块还采用粗粒度样条函数获取气象因素与污染物浓度的长期趋势； 获取目标区域内各个单站点的地理特征数据以及实时气象数据； 将所有单站点的未来一段时间内的细颗粒物浓度以及细颗粒物组成成分、地理特征数据以及实时气象数据一并输入到预训练好的多站点细颗粒物扩散模型中； 通过所述多站点细颗粒物扩散模型输出目标区域的污染物浓度预测值，以及气象因素、地理因素以及每个单站点分别对目标区域中各个污染物浓度的贡献占比； 分别对所述EnvMulti-KAN模型的输出以及多站点细颗粒物扩散模型的输出进行预处理，使得所述EnvMulti-KAN模型的输出与多站点细颗粒物扩散模型的输出进行时间步长以及空间分辨率保持一致； 将时空维度一致的EnvMulti-KAN模型的输出以及多站点细颗粒物扩散模型的输出进行融合，构建时间、空间、污染物浓度及污染物的化学组成成分特征的时空四维数据； 根据所述时空四维数据，利用GIS平台生成区域性细颗粒物组分分布图，所述区域性细颗粒物组分分布图用于动态呈现各站点污染物成分的浓度变化与空间分布； 根据所述区域性细颗粒物组分分布图生成浓度热力图，根据所述浓度热力图获取污染物的扩散路径； 在所述浓度热力图的基础上结合气象数据中的风向玫瑰图以及地理特征图获取污染物的传输路径； 对所述EnvMulti-KAN模型的输出以及多站点细颗粒物扩散模型的输出采用正定矩阵因子分解获取不同污染源类型的贡献占比，基于不同污染源类型的贡献占比获取影响力最大的污染源。

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石油化工学院，其通讯地址为：102600 北京市大兴区清源北路19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”。

以上内容由龙图腾AI智能生成。