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！

龙图腾网获悉浙江省宁波生态环境监测中心申请的专利一种空气污染物浓度的预测方法及其相关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：CN119474762B 。

龙图腾网通过国家知识产权局官网在2025-06-24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：202510059985.3，技术领域涉及：G06F18/20；该发明授权一种空气污染物浓度的预测方法及其相关设备是由许丹丹;何佳宝;周军;汪伟峰;刘贵荣;冀建树;宋静俏;罗怡设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种空气污染物浓度的预测方法及其相关设备在说明书摘要公布了：本发明公开了一种空气污染物浓度的预测方法及其相关设备，涉及数据处理技术领域；该方法包括：获取目标环境监测站点对应的当前污染物浓度数据、当前气象数据和目标站点地理位置数据；将目标站点的当前污染物浓度数据、当前气象数据和地理位置数据作为预测模型的目标输入数据；其中，预测模型的输入模块用于对输入数据进行模态分解处理得到多个模态数据；时间特征提取模块用于提取时间特征数据；空间特征提取模块用于提取空间特征数据；时空交融的卷积网络模块用于提取时空特征；输出模块用于输出预测结果；根据输出结果确定目标环境监测站点对应空气污染物浓度的预测结果；其实现了提升预测结果的全面性和准确性，拓展适用场景的效果。

本发明授权一种空气污染物浓度的预测方法及其相关设备在权利要求书中公布了：1.一种空气污染物浓度的预测方法，其特征在于，包括： 获取目标环境监测站点对应的当前污染物浓度数据、当前气象数据和目标站点地理位置数据； 将所述当前污染物浓度数据、所述当前气象数据和所述目标站点地理位置数据作为预测模型的目标输入数据；其中，所述预测模型包括输入模块、时间特征提取模块、空间特征提取模块、时空交融的卷积网络模块及输出模块；所述输入模块用于对输入数据中的污染物浓度数据进行模态分解处理得到多个模态数据；所述时间特征提取模块用于从所述多个模态数据中提取时间特征数据；所述空间特征提取模块用于构建融合所述输入数据中的污染物浓度数据、气象数据以及站点位置数据的邻接矩阵，并由图卷积网络提取空间特征数据；所述时空交融的卷积网络模块用于提取各个模态对应的时空特征；所述输出模块用于将多个模态对应的预测输出进行聚合以输出预测结果； 根据所述预测模型的输出结果确定所述目标环境监测站点对应的空气污染物浓度的预测结果； 所述预测模型的训练及优化包括步骤： 步骤S201，建立预测模型的输入模块，采集各地环境监测站的小时级的历史污染物浓度数据、历史气象数据和站点地理位置数据； 步骤S202，对历史污染物浓度数据、历史气象数据进行预处理；采用互信息方法对历史污染物浓度数据、历史气象数据进行相关性分析，找出对待预测空气污染物浓度的相关性密切的前n个种类的历史污染物浓度数据、历史气象数据；采用变分模态分解算法和粒子群寻优算法对各站点的历史污染物浓度数据进行模态分解处理和寻优处理，获得多个模态数据，并对各模态数据进行标准归一化； 步骤S203，对输入数据建立Mogrifier门控机制，通过Mogrifier门控操作模块对每个站点分别对应的多个模态数据进行数据优化； 步骤S204，建立时间特征提取模块，通过时间特征提取模块中的时间卷积网络从每个站点分别对应的多个模态数据中提取时间特征数据； 步骤S205，建立空间特征提取模块，将步骤S202中得到的前n个种类的历史污染物浓度数据、历史气象数据和对应的站点地理位置数据输入至空间特征提取模块中，构建得到图卷积网络中的邻接矩阵，并通过图卷积网络提取空间特征数据；具体包括： 步骤S2051，根据监测站的分布情况，构建自适应图卷积网络GCN及邻接矩阵A； 步骤S2052，将所有站点及其两两关系表示为加权图G=V,E,A，其中V为站点集，包含N个站点；E是边集；是邻接矩阵，其中，权重代表站点Vi和站点Vj之间的时空关联强度，边是根据权重连接的，，； 步骤S2053，建立邻接矩阵，矩阵A融合了污染物浓度数据、气象数据与站点位置数据； 步骤S2054，定义污染物浓度数据的时序数据邻接矩阵为： （10） 上式（10）中，表示颗粒污染物的时间相似图的邻接矩阵；分别表示环境监测站的n种污染物浓度的时序数据；表示环境监测站的污染物浓度的时序数据之间的平均DTW距离；表示站点污染物数据高斯分布方差；表示设定的污染物浓度设定时间模式的距离阈值； 步骤S2055，定义站点间气象信息的邻接矩阵为： （11） 上式（11）中，表示气象信息的时间相似图的邻接矩阵；分别为环境监测站的气象数据；表示环境监测站的气象的时序数据之间的平均DTW距离；表示站点气象数据高斯分布方差；表示设定的气象数据设定时间模式的距离阈值； 步骤S2056，定义空间信息的邻接矩阵： 站点的地理位置表示为，站点的地理位置表示为，其中，分别表示站点的纬度与经度；同理，分别表示站点的纬度与经度，站点之间的地理距离为： （12） （13） （14） （15） （16） 上式（12）-（16）中，表示角度与弧度的转换函数，R为地球赤道半径； 融合污染物浓度数据的时序信息、气象数据与站点间的空间信息的时空自适应矩阵E： （17） 上式（17）中，、、、为可训练参数，为激活函数； 取邻接矩阵A为： （18） 上式（18）中，E表示时空自适应矩阵，A表示邻接矩阵； 步骤S2057，对各模态k，建立图卷积网络GCN表示为： （19） 分解为以下的操作规则： （20） （21） （22） 上式（20）-（22）中，A为邻接矩阵；I为单位矩阵；为有自连接的邻接矩阵；表示有自连接的邻接矩阵的度矩阵；表示图节点的第k模态第l层的特征向量；即为k模态经过卷积后节点在第l+1层的特征向量；当l=0时，；表示第l层卷积可学习的参数；为sigmoid激活函数； 步骤S206，将时间特征数据和空间特征数据输入到时空交融的卷积网络模块中的卷积门控循环单元，以将时间特征数据与空间特征数据进行融合，并引入注意力机制，得到不同模态对应的时空特征；其中，时空交融的卷积网络模块的全连接层分别连接单一模态的时空特征，并输出每个站点的各个模态对应的空气污染物浓度的预测输出； 步骤S207，通过输出模块将全部模态对应的预测输出进行聚合处理，得到预测浓度输出特征数据，对预测浓度输出特征数据进行反归一化处理，得到预测结果。

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浙江省宁波生态环境监测中心，其通讯地址为：315048 浙江省宁波市鄞州区北明程路789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”。