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！

龙图腾网获悉东华理工大学南昌校区申请的专利一种基于ICLU-CWGAN模型的大气污染物浓度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：CN121210987B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202511786734.1，技术领域涉及：G06F18/213；该发明授权一种基于ICLU-CWGAN模型的大气污染物浓度预测方法是由张建坤;苏佩;王珏璇;刘尤鑫;汪诗峰;傅紫琴;叶紫燕;揭由欢;蔡展彤设计研发完成，并于2025-12-01向国家知识产权局提交的专利申请。

本一种基于ICLU-CWGAN模型的大气污染物浓度预测方法在说明书摘要公布了：本发明属于人工智能及环境监测技术领域，具体涉及一种基于ICLU‑CWGAN模型的大气污染物浓度预测方法。通过获取大气污染物浓度、气象等数据并进行预处理，将Inception多尺度卷积思想与ConvLSTM网络融合，构建多尺度ConvLSTM网络；在带梯度惩罚的条件Wasserstein生成对抗网络框架下，以多尺度ConvLSTM为生成器、改进U‑Net为判别器，构建ICLU‑CWGAN模型；利用预处理后的训练网格数据完成模型训练，进行大气污染物浓度预测。本发明能够解决现有技术对长时序复杂时空关联建模能力弱、空间失真及训练不稳定的问题，从而提高大气污染物浓度时空分布预测的精度和稳定性。

本发明授权一种基于ICLU-CWGAN模型的大气污染物浓度预测方法在权利要求书中公布了：1.一种基于ICLU-CWGAN模型的大气污染物浓度预测方法，其特征在于，包括以下步骤： S1、获取目标区域监测站点污染物浓度数据、气象数据和卫星遥感气溶胶光学厚度数据，并进行预处理，创建模型训练及模型预测网格数据； S2、将Inception中多尺度卷积算法与ConvLSTM融合，构建多尺度ConvLSTM网络； S3、基于带梯度惩罚的条件Wasserstein生成对抗网络框架，生成器采用多尺度ConvLSTM网络，判别器利用改进的U-Net网络，构建ICLU-CWGAN模型；所述的U-Net网络改进如下： 1对每层卷积核权重施加谱归一化，移除所有层修正线性单元激活函数，确保判别器每层满足Lipschitz连续性，谱归一化后的权重通过下式计算： 式中，为原始卷积核权重，是权重矩阵的谱范数，通过幂迭代法近似计算；为谱归一化后得到的权重，为谱归一化； 2对网络结构内各层特征图引入二值地理感知掩码，在跳跃连接中增加特征提取引导，通过通道注意力权重动态调节编码器与解码器特征的融合比例，通道注意力权重和自适应加权融合后的输出特征图计算公式如下： 式中，是通道注意力权重，范围[0,1]；表示通过Sigmoid激活函数，生成0-1之间的注意力权重；是修正线性单元；、为1×1卷积权重矩阵；是二值地理感知掩码矩阵，目标地区为1，其余为0，和是特征图的高度或行数、宽度或列数；是编码器特征，是解码器特征，则表示编码器和解码器特征的通道拼接； 3在编码器浅层添加实例归一化，输出特征值由下式计算； 式中，是实例归一化后第个样本、第个通道、位置的特征值；为可学习的第个通道缩放参数；为实例归一化前第个样本、第个通道、位置的特征值；、为通道均值与通道方差；为可学习的第个通道平移参数，为数值稳定性常值，防止分母为0；和是特征图的高度或行数、宽度或列数； 4对最后一层的特征图进行卷积变换，使U-Net网络直接输出原始评分图，判别器对真实样本的最后一线性层输出可由下式计算： 式中，为1×1卷积核的权重，分别代表卷积核高度、卷积核宽度、输入特征图通道数和输出特征图的通道数；为卷积运算；为U-Net最后一层卷积输出的特征图；为偏置项； S4、利用S1步骤预处理获得训练浓度网格数据对ICLU-CWGAN模型进行训练； S5、将训练好的ICLU-CWGAN预测模型应用于目标区域未来一段时间内大气污染物浓度预测。

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东华理工大学南昌校区，其通讯地址为：330013 江西省南昌市经开区广兰大道418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。