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！

龙图腾网获悉广东科创智水科技有限公司申请的专利基于神经网络算法的水处理厂水质预测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：CN121256506B 。

龙图腾网通过国家知识产权局官网在2026-05-12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：202511675124.4，技术领域涉及：G06F18/241；该发明授权基于神经网络算法的水处理厂水质预测方法是由漆青松;唐海云;何松;傅健康设计研发完成，并于2025-11-15向国家知识产权局提交的专利申请。

本基于神经网络算法的水处理厂水质预测方法在说明书摘要公布了：本发明涉及水质预测技术领域，具体地说，涉及基于神经网络算法的水处理厂水质预测方法。其包括以下步骤：实时采集水处理厂在不同工况下的运行数据与水质数据，并对运行数据与水质数据进行预处理；基于预处理后的运行数据与水质数据，通过动态特征提取、沉淀池污泥厚度的隐藏状态编码、静态特征筛选与交互特征构造提取反映化学需氧量变化规律的多维特征；基于多维特征，利用基于双流自适应注意力机制的长短期记忆网络模型对水质数据进行预测，输出未来时段化学需氧量的预测值。本发明在特征提取阶段综合考虑了运行参数的动态变化特征、静态相关性筛选特征以及参数间的交互耦合特征。

本发明授权基于神经网络算法的水处理厂水质预测方法在权利要求书中公布了：1.基于神经网络算法的水处理厂水质预测方法，其特征在于，包括以下步骤： S1、实时采集水处理厂在不同工况下的运行数据与水质数据，并对运行数据与水质数据进行预处理； S2、基于预处理后的运行数据与水质数据，通过动态特征提取、沉淀池污泥厚度的隐藏状态编码、静态特征筛选与交互特征构造提取反映化学需氧量变化规律的多维特征； S3、基于多维特征，利用基于双流自适应注意力机制的长短期记忆网络模型对水质数据进行预测，输出未来时段化学需氧量的预测值； S4、基于化学需氧量的预测值动态调控水处理厂的工艺参数，用于减少污染排放； 所述S2中，提取反映化学需氧量变化规律的多维特征，包括以下步骤： S2.1、对运行数据进行时序划分，设定时间窗口，每个窗口内的各项运行参数计算动态特征； S2.2、针对沉淀池污泥厚度，利用基于污泥厚度模拟器的污泥沉降动态编码方法提取厚度动态模态特征； S2.3、基于动态特征，利用皮尔逊相关系数，筛选与化学需氧量相关的输入变量作为静态特征，并构造交互特征； S2.4、对厚度动态模态特征、动态特征、静态特征、交互特征采用Z-score方法进行归一化处理； S2.5、将归一化处理后的厚度动态模态特征、动态特征、静态特征、交互特征按时间顺序拼接成多维特征向量； 所述S2.2中，针对沉淀池污泥厚度，利用基于污泥厚度模拟器的污泥沉降动态编码方法提取厚度动态模态特征，包括以下步骤： S2.21、根据进水中的悬浮固体浓度、进水流量、回流污泥中悬浮固体的浓度与回流流量、排泥量及出水中的悬浮固体浓度和出水流量，计算每个时刻的虚拟净污泥通量； S2.22、构建轻量级循环神经网络作为污泥厚度模拟器，与基于双流自适应注意力机制的长短期记忆网络模型并行运行生成隐藏状态，从隐藏状态通过全连接层输出出水悬浮固体浓度估计值和出水化学需氧量估计值，并通过出水悬浮固体浓度估计值和出水化学需氧量估计值的辅助损失函数进行联合训练； S2.23、在训练完成后，提取污泥厚度模拟器在各时间步生成的隐藏状态向量，作为污泥厚度的厚度动态模态特征； 所述S3中，利用基于双流自适应注意力机制的长短期记忆网络模型对水质数据进行预测，输出未来时段化学需氧量的预测值，包括以下步骤： S3.1、将多维特征向量按时间顺序排列，构建输入序列；并对输入序列进行归一化处理； S3.2、构建基于双流自适应注意力机制的长短期记忆网络模型； S3.3、采用均方误差对基于双流自适应注意力机制的长短期记忆网络模型进行训练； S3.4、将输入序列输入至训练好的基于双流自适应注意力机制的长短期记忆网络模型中； S3.5、输出未来个时间步的化学需氧量预测值。

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广东科创智水科技有限公司，其通讯地址为：523000 广东省东莞市松山湖园区工业北四路1号9栋301室；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。