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！

龙图腾网获悉水利部交通运输部国家能源局南京水利科学研究院申请的专利一种基于非连续数据的蓝藻堆积预测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：CN120952274B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511476952.5，技术领域涉及：G06Q10/04；该发明授权一种基于非连续数据的蓝藻堆积预测方法及系统是由刘思恩;王晓宇;张铮惠;华秋实;赵峰;谢忱;洪磊;范子武;廖轶鹏;乐凡;王雯设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本一种基于非连续数据的蓝藻堆积预测方法及系统在说明书摘要公布了：本发明公开了一种基于非连续数据的蓝藻堆积预测方法及系统，属于蓝藻监测的技术领域。包括采集目标水域内的多监测站点的历史非连续数据并处理得到预处理后数据；建立蓝藻形态‑风险映射规则，从预处理后数据中提取蓝藻状况信息，并转化为对应的风险概率值，作为蓝藻堆积风险标签；生成特征变量集合构建堆积预测模型，利用堆积预测模型输出目标预测点的蓝藻堆积概率初始值；基于空间位置和气象因素构建修正函数，对蓝藻堆积概率初始值进行修正得到最终蓝藻堆积概率；根据最终蓝藻堆积概率匹配风险等级，生成对应的响应措施。本发明建立起蓝藻形态‑风险映射规则，实现对蓝藻堆积风险的量化评估，为后续针对性的决策提供清晰的风险参考依据。

本发明授权一种基于非连续数据的蓝藻堆积预测方法及系统在权利要求书中公布了：1.一种基于非连续数据的蓝藻堆积预测方法，其特征在于，包括以下步骤： 采集目标水域内的多监测站点的历史非连续数据，对所述历史非连续数据进行数据预处理生成结构统一、特征有效的预处理后数据； 基于蓝藻形态对应的生态威胁程度，建立蓝藻形态-风险映射规则，从所述预处理后数据中提取蓝藻状况信息，表示时间点，为监测站点； 结合所述蓝藻形态-风险映射规则将蓝藻状况信息转化为对应的风险概率值，并将风险概率值作为蓝藻堆积风险标签；所述风险概率值的公式如下： ； 式中，，为蓝藻的形态类型，为颗粒状威胁权重系数，为条带状威胁权重系数，、和均为权重系数，，为覆盖面积修正因子，为聚集密度修正因子； 获取预处理后数据中的特征变量生成特征变量集合，构建堆积预测模型，利用堆积预测模型输出目标预测点的蓝藻堆积概率初始值；所述堆积预测模型融合了高维特征降维优化、非线性关系建模及时空序列关联分析，其得到的预测值的预测模型为：，式中，和均为权重系数，为经非线性关系建模得到的短期预测结果，为时空序列关联分析的长期预测结果；其中，非线性关系建模的具体步骤如下： 构建随机森林模型捕捉特征与蓝藻堆积风险标签的非线性关系，设定决策树数量为，第棵决策树的预测结果为，则随机森林模型的短期预测结果为：，为时空融合低纬特征集合； 时空序列关联分析的分析过程如下： 构建Transformer模型捕捉长期时空关联，对时间特征进行正弦-余弦位置编码； 将时空特征中的站点与目标距离、角度进行归一化后嵌入编码向量，生成时空融合特征； 基于建Transformer模型得到长期预测结果： ；式中，为前馈神经网络，为层归一化，为特征权重系数； 基于空间位置和气象因素构建修正函数，对所述蓝藻堆积概率初始值进行修正得到最终蓝藻堆积概率；根据所述最终蓝藻堆积概率匹配风险等级，生成对应的响应措施； 所述最终蓝藻堆积概率的计算公式如下： ，其中，为监测点的总数量，为监测站点的修正函数的输出值，为监测站点经堆积预测模型得到的预测值； 其中，修正函数的构建方法如下： 确定监测站点与目标预测点的直线距离、监测站点与目标预测点的连线与实时风向的夹角，同步获取实时风向角度； 基于直线距离、夹角和实时风向角度构建修正函数，其表达形式如下： ，式中，为衰减系数。

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水利部交通运输部国家能源局南京水利科学研究院，其通讯地址为：210000 江苏省南京市广州路223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。