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！

龙图腾网获悉桂林电子科技大学申请的专利一种能够增强对大气污染物传播过程时空特征捕捉能力的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：CN119886442B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411968885.4，技术领域涉及：G06Q10/04；该发明授权一种能够增强对大气污染物传播过程时空特征捕捉能力的方法是由沈世铭;许睿;文建辉;李建;孙绍华;蔡天孚设计研发完成，并于2024-12-30向国家知识产权局提交的专利申请。

本一种能够增强对大气污染物传播过程时空特征捕捉能力的方法在说明书摘要公布了：本发明提供一种能够增强对大气污染物传播过程时空特征捕捉能力的方法，采用时间‑空间注意力机制能够同时提取时间特征和空间特征的注意力权重，优化了对复杂数据的处理能力，并通过为输入数据分配不同的时间和空间权重，增强了对大气数据时空关系的捕捉能力，进而提高了对全局以及局部特征的捕捉能力，将SoftMax激活函数代替为值域为‑1,1的Tanh，避免混淆负相关和弱相关关系，进而实现了更精准的大气污染物传播过程的时空特征提取。

本发明授权一种能够增强对大气污染物传播过程时空特征捕捉能力的方法在权利要求书中公布了：1.一种能够增强对大气污染物传播过程时空特征捕捉能力的方法，其特征在于，包括以下步骤： S1，数据预处理：对待预测区域内的大气污染物数据进行清洗，并划分为训练集，测试集和验证集，所述大气污染物数据包括从待预测区域内各监测站获取的PM2.5、PM10、CO、NO2、SO2、O3及气象变量数据； S2，采用小波变换数据时频域分解技术对划分后的数据集进行时频域分解； S3，将分解后的数据构建成图结构数据； S4，构建一图卷积神经网络复合模型，所述图卷积神经网络复合模型包括编码器及解码器，所述编码器为基于注意力机制构建的编码器，所述解码器由GCN和LSTM组成； S6，根据所述图结构数据和预设的损失函数，训练所述图卷积神经网络复合模型，直至所述损失函数收敛，对于训练的每一次迭代过程，使用编码器捕捉图结构数据中的时间和空间特征，包括以下步骤： S100，构建一基于时间-空间注意力机制的编码器，通过编码器的线性层对时间特征和空间特征进行映射，分别得到空间特征的查询矩阵、键矩阵和时间特征的查询矩阵、键矩阵； S200，将空间特征的查询矩阵和键矩阵的转置矩阵相乘得到空间相关性矩阵，并将时间特征的查询矩阵和键矩阵的转置矩阵相乘得到时间相关性矩阵； S300，分别对得到的空间相关性矩阵及时间相关性矩阵作归一化处理，并使用Tanh激活函数对归一化处理的空间相关性矩阵及时间相关性矩阵进一步调整，使相关性权重更加精确地捕捉关键特征和时空关系； 通过下式对得到的时间相关性矩阵或空间相关性矩阵作归一化处理： ； 式中，S表示原时间相关性矩阵或空间相关性矩阵，表示原时间相关性矩阵或空间相关性矩阵的元素，表示归一化后的时间相关性矩阵或空间相关性矩阵的元素； 通过下式对归一化处理的空间相关性矩阵及时间相关性矩阵进一步调整： ； 式中，是一个可调的缩放因子，用于控制激活函数的敏感性；是调整后的空间相关性矩阵及时间相关性矩阵的元素； S400，将调整后的空间相关性矩阵与原始数据矩阵相乘得到空间特征表示矩阵，将调整后的时间相关性矩阵与原始数据矩阵相乘得到时间特征表示矩阵，以加强在时空上具有较高相关性的变量在最终特征表示中的影响； S500，通过空间特征表示矩阵计算获得空间注意力权重，通过时间特征表示矩阵计算获得时间注意力权重，将获得的空间注意力权重及时间注意力权重加权求和，以增强大气数据中的时间和空间特征。

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桂林电子科技大学，其通讯地址为：541004 广西壮族自治区桂林市七星区金鸡路1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。