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！

龙图腾网获悉北京市生态环境监测中心申请的专利基于大数据画像的大气污染分析方法、装置、设备及介质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：CN120832539B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511316967.5，技术领域涉及：G06F18/23213；该发明授权基于大数据画像的大气污染分析方法、装置、设备及介质是由王小菊;沈秀娥;张立坤;李娟;王莉华;邱昀;姜南;王蓬睿;李暮雨;程刚设计研发完成，并于2025-09-16向国家知识产权局提交的专利申请。

本基于大数据画像的大气污染分析方法、装置、设备及介质在说明书摘要公布了：本发明实施例提供了一种基于大数据画像的大气污染分析方法、装置、设备及介质，涉及大气环境监测技术领域，该方法包括获取街道和乡镇的多源数据，构建污染物浓度解析模型，其目标变量为污染物浓度，其污染特征为气象数据和污染源排放相关数据；基于污染物浓度解析模型，获得每个污染特征SHAP值；基于SHAP值，构建各街道、乡镇特征向量；基于特征向量，通过聚类分析获得各街道、乡镇污染类型，通过矩阵构建获得特征矩阵；基于聚类分析结果和特征矩阵，生成反映各街道、乡镇污染情况的画像，基于所述画像进行大气污染分析。该方案解决了大气污染相关参数评价权重赋值难量化及评估局限性问题，提高了大气污染分析准确性，可精准溯源。

本发明授权基于大数据画像的大气污染分析方法、装置、设备及介质在权利要求书中公布了：1.一种基于大数据画像的大气污染分析方法，其特征在于，包括： 获取街道和乡镇的多源数据，所述多源数据包括街道和乡镇基础信息数据、污染物浓度数据、气象数据和污染源排放相关数据； 基于所述多源数据构建污染物浓度解析模型，所述污染物浓度解析模型的目标变量为污染物浓度，所述污染物浓度解析模型的污染特征为气象数据和污染源排放相关数据； 基于污染物浓度解析模型，获得每个污染特征的SHAP值，所述SHAP值用于反映每个污染特征对污染物浓度的贡献程度；所述获得每个污染特征的SHAP值，包括：基于时空权重系数和数据可信度系数计算每个污染特征的初始SHAP值；基于污染物浓度阈值，对初始SHAP值进行修正，获得修正后SHAP值；基于污染物浓度阈值，设定污染物浓度梯度权重系数；对修正后SHAP值和污染物浓度梯度权重系数进行整合，获得每个污染特征的最终SHAP值，该最终SHAP值作为每个污染特征的SHAP值； 所述初始SHAP值的计算公式为： ， 其中，为第j个街道、乡镇的第i个污染特征的初始SHAP值，为第j个街道、乡镇的时空权重系数，为第j个街道、乡镇的数据可信度系数，为第j个街道、乡镇的多源融合权重，为第i个污染特征加入第j个街道、乡镇的特征子集S时的实时浓度变化量，为特征子集S不包含第i个污染特征的任意特征子集，为传统子集权重； 所述修正后SHAP值的表达式为： ， 其中，为第j个街道、乡镇的第i个污染特征的修正后SHAP值，CPM2.5为实测污染物PM2.5浓度，Ct-PM2.5为污染物PM2.5浓度阈值，CTSP为实测污染物TSP浓度,Ct-TSP为污染物TSP浓度阈值； 所述污染物浓度梯度权重系数包括污染物PM2.5的浓度梯度权重系数和污染物TSP的浓度梯度权重系数，表达式分别为： ， ， 其中，fg-PM2.5,j为第j个街道、乡镇的污染物PM2.5的浓度梯度权重系数，fg-TSP,j为第j个街道、乡镇的污染物TSP的浓度梯度权重系数，CPM2.5,j为第j个街道、乡镇的实测污染物PM2.5浓度，CTSP,j为第j个街道、乡镇的实测污染物TSP浓度,Ct-PM2.5,j为第j个街道、乡镇的污染物PM2.5浓度阈值，Ct-TSP,j为第j个街道、乡镇的污染物TSP浓度阈值； 基于每个污染特征的SHAP值，构建各街道、乡镇的特征向量； 基于各街道、乡镇的特征向量，通过聚类分析获得各街道、乡镇的污染类型，通过矩阵构建获得特征矩阵； 基于聚类分析结果和特征矩阵，生成反映各街道、乡镇污染情况的画像，基于所述画像进行大气污染分析。

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北京市生态环境监测中心，其通讯地址为：100048 北京市海淀区车公庄西路14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。