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！

龙图腾网获悉河海大学申请的专利基于深度学习的填埋场热传导预测误差修正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：CN121092873B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511658991.7，技术领域涉及：G06F18/15；该发明授权基于深度学习的填埋场热传导预测误差修正方法及系统是由吴珣;杨嘉琦;张宇辰;雷浩;赵炜;杜帅通;王曜华;曹展硕;罗博特;朱佳雪;任庆硕设计研发完成，并于2025-11-13向国家知识产权局提交的专利申请。

本基于深度学习的填埋场热传导预测误差修正方法及系统在说明书摘要公布了：本发明公开了基于深度学习的填埋场热传导预测误差修正方法及系统，涉及预测误差修正领域，旨在解决传统模型因分层热物性差异等因素导致的预测偏差问题。该方法首先通过预测周期与初始监测间隔的动态匹配，构建了时间‑空间双维度的数据采集框架；其次，利用建立的竖向分层一维热传导模型进行温度预测，并计算与实测值的误差；采用梯度提升决策树等算法，构建以影响因素和层数为输入、预测误差为输出的误差映射模型；在实际应用时，利用该误差模型对物理模型的初始预测结果进行动态补偿，显著提升温度预测精度；本方案最终为填埋场监测策略优化提供了可靠的数据支持。

本发明授权基于深度学习的填埋场热传导预测误差修正方法及系统在权利要求书中公布了：1.基于深度学习的填埋场热传导预测误差修正方法，其特征在于，包括以下步骤： S1、设定初始填埋场监测间隔对多个垃圾填埋场对应的内温预测误差影响因素数据进行监测采集； 具体包括： S11、设定若干个对垃圾填埋场内部温度进行预测的误差大小的影响因素类型并构建填埋场中考虑竖向分层的一维热传导模型，得到内温预测误差影响因素类型集以及填埋场竖向一维热传导模型； S12、选取若干个现有的垃圾填埋场以及对应的检测周期，得到现有垃圾填埋场集以及现有监测周期集；再设定现有初始填埋场监测间隔；根据所述现有初始填埋场监测间隔、现有监测周期集以及内温预测误差影响因素类型集，对所述现有垃圾填埋场集中每个垃圾填埋场对应的内温预测误差影响因素数据进行监测采集，得到现有内温预测误差影响因素数据集； 构建填埋场中考虑竖向分层的一维热传导模型包括以下步骤： S111、构建填埋场第i层中一维热量运移方程；如下， ； 式中：为第i层中的温度，t为时间；为第i层的z方向热传导系数；为第i层中单位体积的城市生活垃圾降解导致热量变化的速率，即降解产热速率，当第i层为中间覆盖层时，为0；为第i层的比热容；为第i层的密度，n为最大层数，K表示第K层；为参数，表示热响应灵敏度或者升温效率；表示从某个基准面向下的垂直坐标或深度；、表示某个基准面向下深度为位于第i层内部； S112、考虑填埋场顶部两种温度工况并设定模型的顶部边界条件、下边界的边界条件以及相邻两层之间满足液相、气相和热量连续性条件； S113、基于S112中设定的两个边界条件以及连续性条件，采用叠加法、分离变量和正交展开法求解S111中填埋场第i层中一维热量运移方程的解析解； S2、配合预构建的填埋场竖向一维热传导模型对S1中多个垃圾填埋场中每层的温度数据进行预测，并计算预测结果与实际测量数据中各层的误差数据以及对应层数； S3、基于S1采集的影响因素数据与S2采集的误差数据以及对应层数构建最终填埋场内层温度预测误差映射模型； S4、对当前待预测垃圾填埋场每层的温度数据进行预测，将对应的温度预测误差影响因素数据输入至S3中的映射模型中映射； S5、采用S4中的映射结果对S4中的预测结果进行误差补偿；采集当前填埋场短期验证数据，再根据补偿结果判定温度预测精度是否满足要求；若满足，输出预测结果；否则执行S6； S6、对S1中所述初始填埋场监测间隔进行多次调整并重复S1、S2、S3、S4以及S5并构建最终调整补偿后内层温度预测映射模型；多次调整填埋场监测间隔并输入至最终调整补偿后内层温度预测映射模型中映射；根据映射结果最终输出温度预测结果。

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河海大学，其通讯地址为：211000 江苏省南京市鼓楼区西康路1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。