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！

龙图腾网获悉宿迁市泗洪环境监测站申请的专利一种水体富营养化监测与污染预警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：CN120971678B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511084716.9，技术领域涉及：G01N33/18；该发明授权一种水体富营养化监测与污染预警系统是由王星星;陈思远;谢天宝设计研发完成，并于2025-08-04向国家知识产权局提交的专利申请。

本一种水体富营养化监测与污染预警系统在说明书摘要公布了：本申请涉及湖泊富营养化检测的技术领域，公开了一种水体富营养化监测与污染预警系统，包括数据采集模块、数据处理模块、模型训练模块、监测预警模块；其中：数据采集模块用于采集每个监测站点水体的富营养化因子，包括水体的营养盐浓度和蓝藻敏感因子；数据处理模块用于整理每个监测站点的富营养化因子，并提取其关联特征；模型训练模块训练污染预测模型；监测预警模块基于所述污染预测模型与富营养化因子的关联特征预测每个监测站点的蓝藻敏感因子，并基于蓝藻敏感因子的预测值进行污染预警。本申请通过对水体中营养盐浓度与蓝藻响应因子的时空关联建模，实现了对水体富营养化的高精度预测。

本发明授权一种水体富营养化监测与污染预警系统在权利要求书中公布了：1.一种水体富营养化监测与污染预警系统，其特征在于：包括数据采集模块、数据处理模块、模型训练模块、监测预警模块；其中： 数据采集模块用于采集每个监测站点水体的富营养化因子；所述富营养化因子包括水体的营养盐浓度和蓝藻敏感因子； 所述营养盐浓度至少包括总氮含量、总磷含量、氨氮含量、硝酸盐氮含量、磷酸盐含量；所述蓝藻敏感因子至少包括水体的叶绿素a浓度、透明度、溶解氧、pH值； 数据处理模块用于整理每个监测站点的富营养化因子，并提取所述富营养化因子的关联特征； 所述数据处理模块包括数据整理单元、特征提取单元；其中，所述数据整理单元用于对每个监测站点的富营养化因子进行数据清洗，对每个监测站点进行编号并分别将每个监测站点的富营养化因子整理成时间序列；所述时间序列包括每个监测站点水体的营养盐浓度的时间序列以及水体的蓝藻敏感因子的时间序列；任一时间序列的维度均为N；N为正整数； 所述特征提取单元用于提取所述富营养化因子的关联特征，包括建立富营养化因子的距离矩阵与每个监测站点富营养化因子的关联矩阵； 所述特征提取单元建立富营养化因子的距离矩阵的方法如下： 初始化一个n×n的距离矩阵，n为监测站点的个数；计算任意两个监测站点之间的距离并对所述距离矩阵进行赋值；其中，距离矩阵中的任一元素的值为对应的两个监测站点之间的距离； 所述特征提取单元建立任一监测站点富营养化因子的关联矩阵的方法如下： 初始化一个p×q的关联矩阵，p为所述营养盐浓度对应的营养盐种类数；q为所述蓝藻敏感因子的种类数； 计算任一种营养盐浓度对任一种蓝藻敏感因子的关联影响度，并对所述关联矩阵中的元素进行赋值；其中，所述关联矩阵中第i行第j列的元素表示第i种营养盐浓度对第j种蓝藻敏感因子的关联影响度，记作；i的取值范围为0,1，……，p；j的取值范围为0,1，……，q； 所述特征提取单元配置有关联评价策略，用于计算每个监测站点的任一种营养盐浓度对任一种蓝藻敏感因子的关联影响度；所述关联评价策略具体包括： 对于任一监测站点，获取历史富营养化因子的时间序列，包括基于历史富营养化因子构建的每种营养盐浓度的时间序列以及蓝藻敏感因子的时间序列； 基于所述历史富营养化因子的时间序列，计算第i种营养盐浓度与第j种蓝藻敏感因子不同的滞后步长下的关联度指标，并将绝对值最大的关联度指标记作；其中，为整数，取值范围为-N+1至N-1；所述特征提取单元还配置有关联度阈值r；基于与关联度阈值r对关联影响度进行赋值，具体如下： 若的绝对值大于相关性阈值r，且对应的滞后步长为正整数，则关联影响度赋值为； 若的绝对值小于或等于相关性阈值r，或对应的滞后步长为负整数，关联影响度赋值为0； 对于任一监测站点，计算任一种营养盐浓度与任一种蓝藻敏感因子的关联度指标的公式如下： ； 其中，表示第i种营养盐浓度与第j种蓝藻敏感因子在滞后个时间步时的关联度指标；表示滞后步长；N表示水体的蓝藻敏感因子的时间序列维度；表示第i种营养盐浓度的时间序列中第t个元素，t的取值范围为1,2，……，N；表示第i种营养盐浓度的时间序列的均值元素；表示第j种蓝藻敏感因子的时间序列中第个元素；表示第j种蓝藻敏感因子的时间序列的均值元素； 模型训练模块用于收集水体的富营养化因子的历史数据并训练污染预测模型； 所述污染预测模型的输入包括每个监测站点水体的营养盐浓度的时间序列以及蓝藻敏感因子的时间序列、富营养化因子的距离矩阵与富营养化因子的关联矩阵，输出为未来M个时间步上每个监测站点水体的营养盐浓度与水体的蓝藻敏感因子的预测值；M为正整数； 所述污染预测模型包括输入层、LSTM层、注意力层、融合层、输出层；其中： 输入层用于接收每个监测站点的富营养化因子的时间序列、距离矩阵与关联矩阵作为输入； LSTM层用于提取富营养化因子的时间序列的时间特征； 注意力层用于提取所述距离矩阵与关联矩阵的空间特征； 融合层用于生成所述时间特征与空间特征的融合特征； 输出层基于所述融合特征，计算并输出未来M个时间步上每个监测站点富营养化因子的预测值； 监测预警模块基于所述污染预测模型与富营养化因子的关联特征计算每个监测站点富营养化因子的预测值，并基于蓝藻敏感因子的预测值进行污染预警。

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宿迁市泗洪环境监测站，其通讯地址为：223900 江苏省宿迁市泗洪县长江路3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。