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！

龙图腾网获悉中山大学申请的专利一种地表水多点源污染溯源的方法及系统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：CN120217089B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510284877.6，技术领域涉及：G06F18/241；该发明授权一种地表水多点源污染溯源的方法及系统是由孙连鹏;张心阳;祝新哲;李朝阳;陈乐昀;赵汝锦;李可文;邓欢忠;余冠聪设计研发完成，并于2025-03-11向国家知识产权局提交的专利申请。

本一种地表水多点源污染溯源的方法及系统在说明书摘要公布了：本发明实施例涉及污染溯源技术领域，公开了一种地表水多点源污染溯源的方法，包括：对水质时序数据和环境参数信息进行预处理；对经过预处理的水质时序数据进行特征提取以得到水质关键特征；将水质关键特征输入至预先构建完成的深度学习模型中来进行识别以得到相应的污染识别结果，其中，深度学习模型包括时序处理模块，时序处理模块用于对水质关键特征中的水质时序特征进行处理；输出相应的污染识别结果，污染识别结果包括污染类型信息、污染源位置信息和置信度信息。其通过深度学习算法对历史污染源数据进行深入学习和分类标定，形成污染物标签库和知识库，为新污染事件的快速识别提供支持。

本发明授权一种地表水多点源污染溯源的方法及系统在权利要求书中公布了：1.一种地表水多点源污染溯源的方法，其特征在于，包括： 当检测到满足溯源触发条件时，获取设定时间范围内相应监测点的水质时序数据和环境参数信息，并对所述水质时序数据和环境参数信息进行预处理；所述满足溯源触发条件，包括：获取监测区域各个站点的水质指标，若监测区域中相应站点获取到的水质指标超过设定水质参数，则满足溯源触发条件； 对经过预处理的水质时序数据进行特征提取以得到水质关键特征，所述水质关键特征包括水质统计特征、水质时序特征和水质频域特征； 将所述水质关键特征输入至预先构建完成的深度学习模型中来进行识别以得到相应的污染识别结果，其中，所述深度学习模型包括时序处理模块，所述时序处理模块用于对水质关键特征中的水质时序特征进行处理；所述深度学习模型通过如下步骤构建得到： 获取历史污染训练集，并根据所述历史污染训练集来构建三维输入张量，所述三维输入张量包括样本数、时间步长和特征维度；所述获取历史污染训练集，并根据所述历史污染训练集来构建三维输入张量，包括： 获取历史污染训练集，对所述历史污染训练集中相应污染类型数据小于设定值的数据进行SMOTE过采样处理，所述历史污染训练集包括训练污染事件、训练水质时序数据和训练环境参数； 对所述历史污染训练集进行预处理，所述预处理包括缺失值处理、空间插值和噪声过滤； 对经过预处理后的历史污染训练进行特征提取以得训练关键特征，采用PCA算法或者t-SNA算法对所述训练关键特征进行降维处理以得到贡献率超过设定贡献率的降维训练特征； 根据所述降维训练特征来构建三维输入张量； 将所述三维输入张量输入至预先构建的初始深度学习模型中进行训练直至满足设定训练要求，其中，所述初始深度学习模型包括依次连接的输入层、第一LSTM层、Dropout层、第二LSTM层、Dense层和输出层；若模型输出为分类任务，则采用交叉熵损失函数来作为损失函数，所模型输出为回归任务，则选择均方误差损失函数来作为损失函数； 对于每个样本，SHAP算法遍历所有可能的特征组合来计算每个特征加入该特征组合后对模型输出产生的影响；其中，所述SHAP算法包括蒙特卡洛模拟算法或KernelSHAP算法； 根据对模型输出产生的影响计算每个特征的Shapley值； 将所有特征的Shapley值按绝对值大小进行排序以得到全局特征重要性，并输出全局特征重要性； 保存性能最优的超参数组合作为模型的最佳参数以得到深度学习模型； 输出相应的污染识别结果，所述污染识别结果包括污染类型信息、污染源位置信息和置信度信息。

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山大学，其通讯地址为：510275 广东省广州市新港西路135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”。