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！

龙图腾网获悉大连理工大学申请的专利基于CNN的强非均质条件下地下水污染源识别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：CN119442842B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411422150.1，技术领域涉及：G06F30/27；该发明授权基于CNN的强非均质条件下地下水污染源识别方法及系统是由柏晓鹏;徐燕;南瑞川;张婷婷;张天琪;闫晓惠设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本基于CNN的强非均质条件下地下水污染源识别方法及系统在说明书摘要公布了：本发明公开了一种基于卷积神经网络CNN的强非均质条件下地下水污染源识别方法及系统，涉及地下水环境保护技术领域；合理概化水文地质条件，构建地下水溶质运移概念模型；采用随机采样方法生成表征污染源排放强度的若干组工况、通过序贯高斯模拟生成含水层渗透系数场；基于含水层渗透系数场，构建地下水溶质运移‑双域基准模型；将若干组工况逐一输入地下水溶质运移‑双域基准模型，由此形成“模型输入‑模型响应”的样本并构成训练样本集和检验样本集；采用深度学习‑CNN算法，基于训练样本集构建地下水污染源识别模型，并使用该模型可精准识别污染源位置及排放强度，有效提高了污染源识别效率和精度，可为地下水污染治理提供可靠的解决方案。

本发明授权基于CNN的强非均质条件下地下水污染源识别方法及系统在权利要求书中公布了：1.基于CNN的强非均质条件下地下水污染源识别方法，其特征在于，包括以下步骤： 对水文地质及地下水污染相关资料进行分析后，合理概化水文地质条件，构建地下水溶质运移概念模型，以准确描述污染物在地下水中的迁移和运动； 在所述地下水溶质运移概念模型中，根据污染源特征和含水层渗透系数的先验区间，采用随机采样方法生成表征污染源排放强度的若干组工况、通过序贯高斯模拟生成含水层渗透系数场，以代表强非均质条件下受污染的地下含水层系统； 基于含水层渗透系数场，构建地下水溶质运移-双域基准模型，以准确反映地下含水层系统中污染物的物理化学过程； 将若干组工况逐一输入地下水溶质运移-双域基准模型，得到观测井观测数据的模型响应，该模型响应为污染源的位置坐标及其排放强度，由此形成“模型输入-模型响应”的样本并构成训练样本集和检验样本集； 采用深度学习-CNN算法，基于训练样本集构建地下水污染源识别模型，并使用该模型实现对污染源的位置坐标和排放强度的预测。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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。