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！

龙图腾网获悉国能神东煤炭集团有限责任公司申请的专利一种多源矿井水水质预测方法、装置、设备、介质及产品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：CN119025920B 。

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：202411131848.8，技术领域涉及：G06F18/214；该发明授权一种多源矿井水水质预测方法、装置、设备、介质及产品是由王义;程洋;刘凯;张娜;刘薇;李贯杰设计研发完成，并于2024-08-19向国家知识产权局提交的专利申请。

本一种多源矿井水水质预测方法、装置、设备、介质及产品在说明书摘要公布了：本申请公开了一种多源矿井水水质预测方法、装置、设备、介质及产品，涉及煤矿矿井水水质预测技术领域，该方法包括获取受采动裂隙影响的工作面水源；根据设定的样本采集时间间隔，对工作面水源进行样本采集；采用pearson算法对采集的水源样本进行分析，得到工作面水源中各来源层监测的矿井水水质主要特征指标数据集；基于各来源层监测的矿井水水质主要特征指标数据集，采用训练好的蚁群优化算法‑卷积神经网络‑长短期记忆预测模型，对各来源层进行水质预测，得到各来源层水质预测数据；预测模型为利用蚁群优化算法对卷积神经网络‑长短期记忆预测模型进行参数优化后得到的模型，本申请提供的方法可提高水质预测的准确性与可靠性。

本发明授权一种多源矿井水水质预测方法、装置、设备、介质及产品在权利要求书中公布了：1.一种多源矿井水水质预测方法，其特征在于，所述多源矿井水水质预测方法包括： 获取受采动裂隙影响的工作面水源；所述工作面水源主要源自老空区和若干个覆岩含水层； 根据设定的样本采集时间间隔，对工作面水源进行样本采集； 采用pearson算法对采集的水源样本进行分析，得到工作面水源中各来源层监测的矿井水水质主要特征指标数据集；所述矿井水水质主要特征指标数据集由总溶解固体、重金属、硫化物、化学需氧量、放射性物质、pH值和总悬浮物构成； 基于各来源层监测的矿井水水质主要特征指标数据集，采用训练好的蚁群优化算法-卷积神经网络-长短期记忆预测模型，对各来源层进行水质预测，得到各来源层水质预测数据；所述蚁群优化算法-卷积神经网络-长短期记忆预测模型为利用蚁群优化算法对卷积神经网络-长短期记忆预测模型进行参数优化后得到的模型； 在获取受采动裂隙影响的工作面水源之前，还包括： 收集目标区域中矿井工作面、老空区和覆岩含水层的赋存信息； 根据所述赋存信息，采用开采损害学理论，确定目标区域中导水裂隙带信息； 根据导水裂隙带信息，对导水裂隙带与老空区、含水层的交叠情况进行分析，确定受采动裂隙影响的工作面水源； 所述赋存信息由工作面采深、采厚、覆岩岩性、老空区的层位高度和覆岩含水层的层位高度构成； 其中，根据所述赋存信息，采用开采损害学理论，确定目标区域中导水裂隙带信息，具体包括： 当覆岩岩性的坚硬程度大于第一设定阈值时，根据公式确定目标区域中导水裂隙带的高度信息； 当覆岩岩性的坚硬程度小于等于第一设定阈值且大于第二设定阈值时，根据公式确定目标区域中导水裂隙带的高度信息； 当覆岩岩性的坚硬程度小于等于第二设定阈值时，根据公式确定目标区域中导水裂隙带的高度信息； 基于各来源层监测的矿井水水质主要特征指标数据集，采用训练好的蚁群优化算法-卷积神经网络-长短期记忆预测模型，输入老空区a1、含水层a2、含水层a3的前m时刻监测的水质数据序列，预测各来源层m+t时刻的水质指标，具体包括： 1以m时刻为当前状态，采集老空区a1、含水层a2、含水层a3的水质指标pi,qi,risi前d时刻到当前时刻的数据序列分别表示为： 老空区a1:pim＝[pim-d+1,...,pim-1,pim]； 含水层a2：qim＝[qim-d+1,...,qim-1,qim]； 含水层a3：rim＝[rim-d+1,...,rim-1,rim]； 其中，d表示滑动窗口的大小，i表示不同的水质特征指标，qi表示含水层a2所采集的水质指标数据集；q2表示重金属的水质数据序列；q3表示硫化物的水质数据序列；卷积层的输出向量的数理表达式为： 其中，表示第j映射特征的偏移，w表示kernel的权重，z表示过滤的索引值，σ表示ReLU激活函数； 2数据经过CNN输入层和多个隐藏层输出后将进入LSTM，LSTM是CNN-LSTM模型中CNN的后续层级，其输入为CNN层的输出；LSTM单元在第t阶段时的输入门为it，遗忘门为ft，输出门为ot，隐藏层状态为ht，那么该单元在第t阶段的相关更新情况为： 遗忘门：选择遗忘某些信息 输入门：记忆某些信息 输出门：输出某些信息 其中，ct表示第t阶段的单元状态，σ表示激活函数；w为每个单元的权重矩阵，b为对应的偏移向量，pt表示CNN网络经过池化层后在第t时刻水质预测关键特征的输出； 3LSTM单元状态ct和隐藏层ht公式为： ht＝ot*tanhct； 4设hl＝{h1,h2,...,hl}，其中l作为LSTM单元数；LSTM的输出，相应计算公式为： 得到老空区a1、含水层a2、含水层a3的水质预测结果分别为： 老空区a1：pim+t＝[pim+t-d+1,...,pim+t-1,pim+t]； 含水层a2：qim+t＝[qim+t-d+1,...,qim+t-1,qim+t]； 含水层a3：rim+t＝[rim+t-d+1,...,rim+t-1,rim+t]；其中t为预测值与采样值之间的时间间隔。

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国能神东煤炭集团有限责任公司，其通讯地址为：017200 内蒙古自治区鄂尔多斯市伊金霍洛旗乌兰木伦镇上湾金龙路北(原煤海商城)；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。