Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 上海城投水务(集团)有限公司制水分公司李柱获国家专利权

上海城投水务(集团)有限公司制水分公司李柱获国家专利权

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!

龙图腾网获悉上海城投水务(集团)有限公司制水分公司申请的专利一种自来水厂供水量预测模型训练方法及装置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:CN121233940B

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:202511310192.0,技术领域涉及:G06F18/20;该发明授权一种自来水厂供水量预测模型训练方法及装置是由李柱;杨澜;王懋蕾;徐力克;杨瑜玲;王子瑜;方文侃;樊昱昕;孔超;郑文友设计研发完成,并于2025-09-15向国家知识产权局提交的专利申请。

一种自来水厂供水量预测模型训练方法及装置在说明书摘要公布了:本发明公开了一种自来水厂供水量预测模型训练方法及装置,具体涉及供水量预测领域,包括构建主通道数据集,所述主通道数据集包括时间特征、气象特征、工况特征、水力内部特征和水力外部特征;同步构建影子孪生数据集,所述影子孪生数据集依据水力学平衡方程与历史稳定数据生成,并与主通道数据在同一时间轴对齐;对主通道数据执行相关性筛选,删除相关性系数低于预设阈值的特征。通过在训练过程中构建主通道数据集与影子孪生数据集的双通道结构,并结合全局偏移指数校验与递归特征剔除的循环机制,实现对多传感器联动偏移引发的整体误差的识别与修正。

本发明授权一种自来水厂供水量预测模型训练方法及装置在权利要求书中公布了:1.一种自来水厂供水量预测模型训练方法,其特征在于,包括: S1:构建主通道数据集,所述主通道数据集包括时间特征、气象特征、工况特征、水力内部特征和水力外部特征;同步构建影子孪生数据集,所述影子孪生数据集依据水力学平衡方程与历史稳定数据生成,并与主通道数据在同一时间轴对齐; 所述S1的执行包括: S1-1:采集时间特征、气象特征、工况特征、水力内部特征和水力外部特征,形成主通道数据集; S1-2:在所述主通道数据集的各时间段内,依据水力学平衡方程计算供水系统的理论供水量,所述水力学平衡方程的构建包括S1-a、S1-b和S1-c: S1-a:以清水池在相邻两个时刻的液位差乘以清水池有效容积换算系数,解出该时段的库容变化量; S1-b:以该时段记录的进水流量积分值减去出水流量积分值,形成流量差值; S1-c:将S1-a的库容变化量与S1-b的流量差值进行加权平衡,使平衡结果为零,从而解出该时段的理论供水量; S1-3:统计自来水厂在运行阶段的运行数据,所述历史稳定数据包括稳定气象条件下的气象观测值、日均用水分布曲线、清水池液位曲线以及泵组启停记录;所述稳定气象条件包括气温日变化幅度低于预设上限、降水量不超过设定阈值、风速波动幅度低于设定阈值以及气压和湿度的变化量均处于预设上下限范围内; S1-4:将S1-2解出的理论供水量与S1-3统计得到的历史稳定数据进行比对,计算二者的差值或比值,并将该差值或比值作为修正系数; S1-5:将理论供水量与修正系数加权组合,生成影子孪生数据集; S1-6:将影子孪生数据集与主通道数据集在统一时间轴上对齐,形成对应的特征组结构; S2:对主通道数据执行相关性筛选,删除相关性系数低于预设阈值的特征;对剩余特征执行相似性剔除,并在每次剔除后计算主通道数据与影子孪生在同一时间窗口的残差,当残差超过预设上限时,将该特征在当前特征集中恢复保留状态,并在该特征上标记为可疑特征; S3:对主通道数据与影子孪生的对应特征组执行差值计算,统计全局偏移指数;当全局偏移指数超过预设上限时,在当前特征集中降低已标记为可疑特征的权重,并以影子孪生估算值生成修正通道数据;完成修正后返回S2,重复执行相关性筛选与相似性剔除,直至全局偏移指数处于目标范围内; 所述S3包括: S3-1:将主通道数据集与影子孪生数据集在对应特征组内进行逐时差值计算,并将各差值结果统计为全局偏移指数; S3-2:将所述全局偏移指数与预设上限进行比较,当全局偏移指数超过预设上限时,在当前特征集中降低已标记为可疑特征的权重; S3-3:基于权重调整后的特征集,以影子孪生数据集的估算值生成修正通道数据; S3-4:将修正通道数据返回至S2,重复执行相关性筛选与相似性剔除,直至全局偏移指数处于目标范围内; S4:在执行递归特征剔除的迭代过程中,以XGBoost模型为基础模型,输入修正通道数据集进行训练,并基于训练结果计算各特征的重要性;在每次递归迭代剔除低权重特征后,同时计算全局偏移指数并与预设阈值进行比较,当全局偏移指数超过预设阈值时,撤销该次剔除并在该特征组内保留至少一个代表特征,之后继续递归迭代,直至达到目标特征数量。

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上海城投水务(集团)有限公司制水分公司,其通讯地址为:200082 上海市杨浦区杨树浦路830号75幢;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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。