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！

龙图腾网获悉吉林省鑫鑫优选实业集团有限公司申请的专利基于多源传感数据融合的大棚环境智能预测调控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：CN121580319B 。

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：202511799811.7，技术领域涉及：G06F18/25；该发明授权基于多源传感数据融合的大棚环境智能预测调控方法是由王新;刘政彤设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本基于多源传感数据融合的大棚环境智能预测调控方法在说明书摘要公布了：本发明公开了基于多源传感数据融合的大棚环境智能预测调控方法，包括：采集并预处理多源时序数据，生成统一的多源时序数据集；建立因果拓扑结构并融合处理数据，生成设备–环境–作物的因果潜变量序列；构建基于WaveNet的反应核结构，生成环境与作物短期状态预测序列；构建胁迫时间窗口并评估胁迫度，生成候选设备控制序列集合；构建环境与作物反事实仿真域，获取对应反事实模拟预测结果；执行多目标优化选择最优控制策略，驱动各类调控设备执行具体动作。本发明通过多源时序数据融合、因果推理与改进型WaveNet预测建模，实现大棚环境的精准预测与智能调控。

本发明授权基于多源传感数据融合的大棚环境智能预测调控方法在权利要求书中公布了：1.基于多源传感数据融合的大棚环境智能预测调控方法，其特征在于，包括： 采集大棚内的多源时序数据，对多源时序数据执行预处理，得到统一的多源时序数据集； 基于多源时序数据集建立因果拓扑结构，构建可微结构因果融合结构，对设备动作数据执行干预操作，生成因果潜变量序列； 将因果潜变量序列与设备动作数据的脉冲序列作为输入，构建基于WaveNet网络的反应核建模结构，生成未来多个时间步的环境预测序列和作物短期状态预测序列； 基于环境预测序列和作物状态预测序列构建作物胁迫时间窗口，对环境偏离量和作物生理变化量进行时间累积，得到未来作物胁迫度序列，依据大棚调控设备的可执行动作构建候选设备控制序列； 基于环境预测序列构建环境反事实仿真域，对候选设备控制序列执行反事实环境仿真，基于未来作物胁迫度序列构建作物反事实仿真域，执行反事实作物仿真，得到环境反事实结果和作物反事实结果； 基于环境反事实结果和作物反事实结果构建多目标策略优化机制，对多个候选设备控制序列执行多目标优化搜索，选择最优设备控制序列作为大棚环境调控策略，驱动风机、喷淋装置、加热器、湿帘和遮阳帘执行对应动作； 所述生成因果潜变量序列，包括： 将设备动作数据组织为设备动作时序，将环境传感数据组织为环境状态时序，将作物状态数据组织为作物状态时序； 基于设备动作时序、环境状态时序和作物状态时序之间的先验因果指向关系，建立设备动作指向环境状态、环境状态指向作物状态的因果拓扑结构，将因果拓扑结构划分为设备到环境因果通道和环境到作物因果通道，在每一通道中为不同传感维度设定可微因果权重参数； 构建可微结构因果融合结构，在设备到环境因果通道中串联多个可微因果处理单元，每一可微因果处理单元以加权求和运算、内积运算和连续可导非线性变换作为基本运算，在相邻可微因果处理单元之间设置残差连接单元和门控因果权重更新单元； 对设备动作时序执行干预处理，在设备到环境因果通道中，将当前时间步的设备动作数据替换为干预动作表示，通过可微结构因果融合结构对干预后的设备动作时序和环境状态时序进行处理，得到环境因果时序； 在环境到作物因果通道中，以环境因果时序和作物状态时序为输入，按时间顺序对每一时间步执行因果融合处理，所述因果融合处理包括： 将环境因果影响分解为即时因果影响分量和延迟因果影响分量、对不同生长阶段执行阶段自适应因果权重分配处理以及对各因果分量执行时间累积融合处理，生成对应时间步的因果潜变量，将全部时间步的因果潜变量按时间顺序组合形成因果潜变量序列； 所述生成未来多个时间步的环境预测序列和作物短期状态预测序列，包括： 对因果潜变量序列按时间顺序展开，得到各时间步的因果潜变量时序，对设备动作数据按时间步进行脉冲编码，得到表征设备开关状态与功率变化的设备动作脉冲时序； 在WaveNet网络的扩张因果卷积与残差跳连框架基础上构建反应核建模结构，将反应核建模结构划分为设备响应引导扩张卷积单元、作物反馈门控残差单元和多尺度反应核聚合单元，其中： 设备响应引导扩张卷积单元嵌入于WaveNet各级扩张因果卷积通道，在每层卷积计算中实时调用对应设备反应核，对卷积输出实施动作脉冲引导与响应加权； 作物反馈门控残差单元布置在WaveNet网络的残差路径上； 多尺度反应核聚合单元布置在WaveNet网络的跳连输出路径上，为风机喷淋装置、加热器、湿帘和遮阳帘分别设置对应的反应核参数集合； 在设备响应引导扩张卷积单元中，以因果潜变量时序作为WaveNet网络主序列输入，以设备动作脉冲时序作为WaveNet网络引导序列输入，在各扩张尺度的因果卷积层中对主序列执行扩张因果卷积处理，基于引导序列中各设备动作脉冲的位置与强度对对应扩张因果卷积输出执行响应加权处理，得到中间时序特征序列； 在作物反馈门控残差单元中，将中间时序特征序列与对应时间步的作物状态相关特征序列在WaveNet网络残差路径中进行组合，生成门控控制信号，将各扩张尺度下经门控残差处理后的特征序列送入多尺度反应核聚合单元，沿WaveNet网络的跳连路径对不同扩张尺度和不同设备类型对应的特征序列执行时间对齐处理与跨尺度聚合处理，得到高维反应核特征时序； 对高维反应核特征时序执行通道映射处理和时间步解码处理，得到对应多个未来时间步的环境预测序列和作物短期状态预测序列； 所述得到环境反事实结果和作物反事实结果，包括： 获取环境预测序列、未来作物胁迫度序列和候选设备控制序列，将环境预测序列作为环境基准轨迹，将未来作物胁迫度序列作为作物基准胁迫轨迹； 基于环境预测序列构建环境反事实仿真域，按照统一时间轴将每一条候选设备控制序列与环境基准轨迹进行对齐处理，以设备响应特征为基础，为风机、喷淋装置、加热器、湿帘和遮阳帘分别设定对应的环境响应模板，对候选设备控制序列中各调控动作在时间轴上逐一叠加对应的环境响应模板，生成在不同候选设备控制序列作用下的环境反事实轨迹； 对每一条环境反事实轨迹与环境基准轨迹进行对比处理，提取在仿真时间范围内的环境偏离时长、环境偏离幅度和环境波动强度指标，组合形成对应候选设备控制序列的环境反事实结果； 基于未来作物胁迫度序列构建作物反事实仿真域，在作物反事实仿真域中，将每一条环境反事实轨迹与作物基准胁迫轨迹在统一时间轴上进行配对，对各生长阶段预设作物对温度、湿度、光照和二氧化碳变化的阶段敏感系数，依据阶段敏感系数对环境反事实轨迹中的环境变化进行加权处理，生成对应的作物反事实胁迫轨迹； 对每一条作物反事实胁迫轨迹与作物基准胁迫轨迹进行对比处理，提取在仿真时间范围内的最大胁迫水平、累积胁迫量和胁迫恢复速度指标，组合形成对应候选设备控制序列的作物反事实结果。

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吉林省鑫鑫优选实业集团有限公司，其通讯地址为：130051 吉林省长春市宽城区青年路43号101室(长春一汽四环力达冲压制品有限公司院内)；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。