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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);中建三局绿色产业投资有限公司申请的专利湖库藻华预测与监测时间窗调度方法、设备及存储介质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：CN121480888B 。

龙图腾网通过国家知识产权局官网在2026-05-08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：202610019500.2，技术领域涉及：G06Q10/04；该发明授权湖库藻华预测与监测时间窗调度方法、设备及存储介质是由王爱杰;陶彧;周艳;肖鹏;谢路阳;张利娜;汤丁丁;湛德;刘学进;郭二卫;李伟龙设计研发完成，并于2026-01-08向国家知识产权局提交的专利申请。

本湖库藻华预测与监测时间窗调度方法、设备及存储介质在说明书摘要公布了：本申请公开了一种湖库藻华预测与监测时间窗调度方法、设备及存储介质，包括：基于观测数据采用数据同化算法对湖库数字孪生体的状态和参数进行在线同化更新；采用同化更新的数字孪生体进行未来时段的藻华预测，并对预测结果进行物理约束校正和不确定量化处理输出预测信息；根据预测信息生成检测时间窗候选集；基于检测时间窗候选集和预设运行约束进行优化求解，得到检测时间窗调度策略下发至无人检测平台，获取基述检测任务执行后采集到的实测数据回灌至观测数据对数字孪生体进行数据配准和模型同化。本申请通过构建感知‑同化‑预测‑调度‑反馈的闭环系统，实现了监测资源随藻华风险动态优化配置，提升了预警时效性与资源利用效率。

本发明授权湖库藻华预测与监测时间窗调度方法、设备及存储介质在权利要求书中公布了：1.一种湖库藻华预测与监测时间窗调度方法，其特征在于，所述湖库藻华预测与监测时间窗调度方法包括以下步骤： 获取湖库中多个传感器检测到的多源检测数据，将所述多源检测数据的数据误差进行配准得到配准后的观测数据； 将所述观测数据进行模型数据同化处理，并基于数据同化结果对数字孪生体的模型状态和模型参数进行在线同化更新，所述数字孪生体为基于湖库物理实体构建的虚拟动态映射模型； 基于同化更新后的所述数字孪生体预测未来时段的藻华信息，并基于所述藻华信息生成藻华预测结果，所述藻华预测结果包括藻华暴发概率与风险分布； 根据所述藻华暴发概率与所述风险分布，为不同湖库检测区域生成检测时间窗候选集； 基于所述检测时间窗候选集和预设运行约束进行优化求解，得到检测时间窗调度策略； 将所述检测时间窗调度策略下发至无人检测平台以执行检测任务，并获取执行的所述检测任务对应的实测数据，将所述实测数据反馈至所述观测数据用以对数字孪生体进行同化更新； 其中，所述基于同化更新后的所述数字孪生体预测未来时段的藻华信息，并基于所述藻华信息生成藻华预测结果的步骤，包括： 基于同化更新后的所述模型状态与所述模型参数驱动所述数字孪生体进行未来时段的藻华信息模拟计算，根据模拟计算结果得到藻华初步预测序列，其中，所述基于同化更新后的所述模型状态与所述模型参数驱动所述数字孪生体进行未来时段的藻华信息模拟计算，根据模拟计算结果得到藻华初步预测序列的步骤，包括：采用所述模型状态与所述模型参数作为初始条件，基于预设的未来时段气象水文强迫数据，同步求解所述数字孪生体中耦合的水动力子模型、生化子模型及光热子模型；按预设时间步长循环执行所述水动力子模型、所述生化子模型及所述光热子模型的耦合计算，并输出未来时段内的时空变化序列； 将所述时空变化序列作为所述藻华初步预测序列； 引入物理约束对所述藻华初步预测序列进行校正，所述物理约束包括质量守恒定律、能量守恒定律中的至少一种； 对校正后的所述藻华初步预测序列进行不确定性量化生成置信信息，所述置信信息包括置信区间或概率分布； 将校正后的所述藻华初步预测序列与所述置信信息综合处理，生成所述藻华预测结果。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院);中建三局绿色产业投资有限公司，其通讯地址为：518000 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。