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一种基于双流-图卷积网络的供水管网全域水质预测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：CN120873478B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202511002558.8，技术领域涉及：G06F18/20；该发明授权一种基于双流-图卷积网络的供水管网全域水质预测方法是由李子林;刘海星;王亚妮;娄景和;袁茂廣;王鑫缘;康馨月设计研发完成，并于2025-07-21向国家知识产权局提交的专利申请。

本一种基于双流-图卷积网络的供水管网全域水质预测方法在说明书摘要公布了：一种基于双流‑图卷积网络的供水管网全域水质预测方法，属于城市供水领域。该方法通过构建有向图的管网模型，分别提取上游和下游方向的信息流，通过并行图卷积模块进行特征学习，并在训练时引入随机掩码机制以模拟传感器缺失，实现对稀疏监测条件下水质浓度的准确预测。本发明提出的双流‑图卷积水质预测模型，显著提升水质预测模型在监测数据稀疏条件下的实用性和覆盖能力；采用双流‑图卷积结构与动态掩码训练机制，有效增强对管网复杂性的鲁棒性；构建的水质预测模型具备响应速度快的特点，能够结合历史监测数据与网络结构信息实现水质的实时预测，适用于水质监测、异常预警和智能调控等多种场景，有助于提升供水系统的运行效率与管理水平。

本发明授权一种基于双流-图卷积网络的供水管网全域水质预测方法在权利要求书中公布了：1.一种基于双流图卷积网络的供水管网全域水质预测方法，其特征在于，所述供水管网全域水质预测方法包括以下步骤： 步骤1，通过在管网节点上布置传感器，收集监测节点的水质数据； 步骤2，构建管网有向图； 步骤2.1，对供水管网进行抽象表示，将管网节点视为图节点，管道视为有向边，有向边的方向依据实际水流方向从上游指向下游；构建有向图的邻接矩阵； 步骤2.2，为防止高度连接节点引入偏置，在邻接矩阵中加入自环，并按入度、出度对邻接矩阵进行归一化处理，确保信息在图上传播时不会过度集中于网络的主干节点； 步骤3，构造双流-图卷积网络； 设计一个双流-图卷积网络DGCN，对步骤2构建的有向图进行特征提取；所述DGCN架构是包含L个卷积层的双流图卷积操作，每层对应一次信息的局部传递；首先计算管网中每一个节点到最近监测节点之间的最短路径，然后取所有节点的最短路径中的最大值作为L的取值，使最远节点能通过多层卷积获得监测数据的间接影响； 步骤3.1，初始时，输入步骤1中收集的历史水质浓度作为DGCN的节点特征，，其中n是供水网络中节点数量，对应输入时间步数；这些节点特征通过第一 层卷积层被投影到一个高维隐藏状态空间中，其中M是隐藏状态的扩展维度； 后续卷积层保持该隐藏状态维度，分别对上游和下游邻接矩阵应用双流-图卷积，如公式 3所示： 3； 其中，是第l层卷积网络的隐藏状态，和是分别用于上游和下游卷积的 神经网络学习参数，ReLU是非线性激活函数，是第l+1层卷积网络的隐藏状态； 该双流-图卷积网络DGCN明确编码了向的水力依赖关系，同时保持了向的方向性，用于提高水质预测模型对稀疏区域的感知能力； 步骤3.2，多层卷积后，在最后一层卷积层之后串联两层全连接层，将隐藏状态进一步降维映射到输出维度，即输出每个节点下一个时刻的水质浓度； 步骤4训练基于双流-图卷积网络的管网水质预测模型，并在管网水质预测模型的训练阶段引入随机掩码机制；具体包括： 步骤4.1，在管网水质预测模型的训练阶段引入随机掩码机制 在每一个训练批次中，针对所有监测节点，随机选择一部分监测节点作为“掩码节点”；将掩码节点输入特征全部置零，等价于在本批次中模拟这些节点未观测到数据的情况；未被掩码的监测节点则正常输入真实观测数据；该掩码操作在每一个训练批次中动态变化，使模型能够在多种不同的数据缺失模式下进行学习；在模型训练过程中，无论监测节点是掩码节点还是未掩码节点，其预测误差均被纳入损失函数计算。

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。