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！

龙图腾网获悉武汉大学申请的专利人为与气象因素对黑碳浓度影响的贡献解析方法、系统及电子设备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：CN120832510B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202510888122.7，技术领域涉及：G06F18/2113；该发明授权人为与气象因素对黑碳浓度影响的贡献解析方法、系统及电子设备是由范若男;马盈盈;龚威;金适宽;祝波;操文祥设计研发完成，并于2025-06-30向国家知识产权局提交的专利申请。

本人为与气象因素对黑碳浓度影响的贡献解析方法、系统及电子设备在说明书摘要公布了：本发明公开了人为与气象因素对黑碳浓度影响的贡献解析方法，包括：步骤1，收集逐日原始目标污染物的监测浓度和同步的气象要素，进行时空匹配，构建时间特征和排放标签，建立全量特征集；步骤2，构建可解释树预测模型，并在所述全量特征集上训练最优回归器，对其性能进行评估；步骤3，基于所述可解释树预测模型预测M次目标污染物浓度并取均值得到气象归一化的黑碳气溶胶浓度；基于原始目标污染物监测浓度和所述气象归一化浓度线性趋势差计算气象驱动因子贡献率与人为排放驱动因子贡献率；步骤4，基于SHAP方法输出各特征的平均绝对SHAP值和方向，量化各个特征的贡献。本发明执行简单，计算成本低和适用性广泛，能够广泛应用在大气污染研究领域。

本发明授权人为与气象因素对黑碳浓度影响的贡献解析方法、系统及电子设备在权利要求书中公布了：1.一种人为与气象因素对黑碳浓度影响的贡献解析方法，其特征在于：包括以下步骤： 步骤1，收集逐日原始目标污染物的监测浓度和同步的气象要素，进行时空匹配，构建时间特征和排放标签，建立全量特征集； 步骤2，构建可解释树预测模型，并在所述全量特征集上训练最优回归器，对其性能进行评估；包括如下子步骤： 步骤2.1，将所述全量特征集随机划分训练集和验证集； 步骤2.2，采用Optuna框架对XGBoost模型的学习率、子采样率、最大深度、棵树数进行贝叶斯优化，以10折交叉验证均方根误差最小为目标获取最优超参数； 步骤2.3，基于步骤2.2获取的最优超参数，在所述全量特征集和所有训练集数据上重新训练XGBoost回归器构建可解释树预测模型； 步骤2.4，在测试集上评估可解释树预测模型性能，计算MSE均方误差、均方根误差和决定系数； 步骤3，基于所述可解释树预测模型预测M次目标污染物浓度并取均值得到气象归一化的黑碳气溶胶浓度；基于原始目标污染物监测浓度和所述气象归一化浓度线性趋势差计算气象驱动因子贡献率与人为排放驱动因子贡献率；包括如下子步骤： 步骤3.1，基于蒙特卡洛重采样计算气象归一化的黑碳气溶胶浓度：即固定排放标签，对其余全部气象、时间特征随机抽样替换，用可解释树预测模型预测M次并取均值； 步骤3.2，计算气象影响的黑碳气溶胶浓度； 步骤3.3，分别计算气象驱动因子贡献率与人为排放驱动因子贡献率； 步骤4，基于SHAP方法输出气象要素、时间特征和排放标签的平均绝对SHAP值和方向，量化各个特征的贡献。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。