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！

龙图腾网获悉成都锦城学院申请的专利基于机器学习的农村面源水质预测方法及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：CN121641279B 。

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：202610164124.6，技术领域涉及：G16C20/70；该发明授权基于机器学习的农村面源水质预测方法及系统是由孟滔;周若天;任宗琦;段力;罗侍佳;李岩;李毅航;杨磻昊;金厚涛;侯金川;任育健;郑雨虹;马通宪设计研发完成，并于2026-02-05向国家知识产权局提交的专利申请。

本基于机器学习的农村面源水质预测方法及系统在说明书摘要公布了：本发明提供了一种基于机器学习的农村面源水质预测方法及系统，涉及机器学习技术领域，包括：获取基础数据；根据基础数据进行污染物迁移路径构建，得到动态迁移网络；根据动态迁移网络进行时空状态演化，得到动态图结构；根据动态图结构进行多模态特征融合，通过解析图结构中污染物通量在时空维度上的依赖关系，量化农田地块、土壤属性与作物类型等因素对监测点水质变化的联合影响，得到污染贡献度特征；根据污染贡献度特征进行预测函数构建，得到水质预测函数；基于水质预测函数进行水质值生成，通过将实时环境数据输入至水质预测函数并计算，得到水质预测结果。本发明显著提升了在农村面源污染复杂场景下水质预测的准确性与可靠性。

本发明授权基于机器学习的农村面源水质预测方法及系统在权利要求书中公布了：1.一种基于机器学习的农村面源水质预测方法，其特征在于，包括： 获取基础数据，所述基础数据包括农村面源水质监测点的氮磷浓度时间序列、降雨量时间序列、农田土地利用类型分布数据、土壤有机质含量数据； 根据所述基础数据进行污染物迁移路径构建，通过分析地理单元间的水文连通性并模拟污染物随径流的衰减过程，得到动态迁移网络； 根据所述动态迁移网络进行时空状态演化，通过将迁移网络中各节点的污染物通量与时间序列耦合，得到动态图结构； 根据所述动态图结构进行多模态特征融合，通过解析图结构中污染物通量在时空维度上的依赖关系，量化农田地块、土壤属性与作物类型因素对监测点水质变化的联合影响，得到污染贡献度特征； 根据所述污染贡献度特征进行预测函数构建，得到水质预测函数； 基于所述水质预测函数进行水质值生成，通过将实时环境数据输入至所述水质预测函数并计算，得到水质预测结果； 其中，根据所述基础数据进行污染物迁移路径构建，包括： 根据所述农田土地利用类型分布数据和所述降雨量时间序列，进行水文响应单元划分处理，通过识别具有相似产流汇流特性的连续农田地块并确定其间的优先流路径，得到初步水文连接网络； 根据所述初步水文连接网络和所述土壤有机质含量数据，进行污染物迁移衰减模拟处理，通过模拟溶解性污染物在迁移路径上因土壤吸附与生物降解作用而发生的浓度衰减，得到具有衰减特性的污染物迁移路径； 根据所述污染物迁移路径和氮磷浓度时间序列，进行动态网络权重校正处理，通过利用上下游监测点浓度变化的时序延迟关系反演路径的实际通量效率，得到动态迁移网络； 其中，根据所述动态迁移网络进行时空状态演化，包括： 根据所述动态迁移网络和所述降雨量时间序列，进行迁移事件分割处理，通过识别有效降雨事件及其驱动的独立污染迁移过程，得到离散的污染迁移事件序列； 根据所述污染迁移事件序列和所述动态迁移网络，进行节点状态时序化处理，通过将每个事件内各节点上的污染物通量按时间步长进行对齐与重采样，得到节点状态演化序列； 根据所述节点状态演化序列和所述动态迁移网络的拓扑连接关系，进行时空图构建处理，通过将每个时间步长的节点状态与节点间的连接关系进行耦合，得到动态图结构； 其中，根据所述动态图结构进行多模态特征融合，包括： 根据所述动态图结构，进行时空关联模式提取处理，通过分离所述动态图结构中由农田地块空间邻近性产生的水流路径关联与由作物生长周期时序性产生的污染释放关联，得到时空关联模式； 根据所述时空关联模式和所述土壤有机质含量数据，进行源-汇关系量化处理，通过计算高有机质土壤对污染物的截留效应与不同作物类型吸收效率之间的平衡关系，得到各地块作为污染源或汇的强度权重； 根据各地块的所述强度权重和所述时空关联模式，进行贡献度传导聚合处理，通过沿时空关联路径反向追溯并聚合上游所有地块对下游监测点的加权影响，得到污染贡献度特征。

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成都锦城学院，其通讯地址为：611731 四川省成都市高新区西源大道1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。