買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國海洋大學申請的專利一種基于聲-光-電技術的海底采礦羽流擴散監測裝置的方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119845353B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510120215.5，技術領域涉及：G01D21/02；該發明授權一種基于聲-光-電技術的海底采礦羽流擴散監測裝置的方法是由賈永剛;陳翔;范智涵;朱憲明;陳時平;吳丙偉設計研發完成，并于2025-01-25向國家知識產權局提交的專利申請。

本一種基于聲-光-電技術的海底采礦羽流擴散監測裝置的方法在說明書摘要公布了：本發明提供了一種基于聲?光?電技術的海底采礦羽流擴散監測裝置的方法,通過結合聲學、光學和電學多種監測技術，實現對深海采礦羽流擴散過程的多維度、高精度監測。具體目標包括：多源數據融合：將聲學、光學和電學數據進行有效融合，提高羽流擴散監測的準確性和全面性。濃度轉換精度提升：通過多源數據校準，實現聲學數據向顆粒濃度數據的高精度轉換。實時監測能力：提供實時監測和數據分析能力，及時反映羽流擴散的動態變化。環境影響評估：為深海采礦環境影響評估提供可靠的數據支持，促進可持續發展。

本發明授權一種基于聲-光-電技術的海底采礦羽流擴散監測裝置的方法在權利要求書中公布了：1.一種基于聲-光-電技術的海底采礦羽流擴散監測裝置的方法，其特征在于,所述海底采礦羽流擴散監測裝置包括聲學監測模塊、聲學監測模塊、和光學監測模塊； 所述聲學監測模塊包括下視的聲學多普勒流速剖面儀ADCP（1-1）、下視ADCP連接桿（1-2）和聲學換能器發射接收頭（1-3），聲學換能器發射接收頭（1-3）安裝在聲學多普勒流速剖面儀ADCP（1-1）的端部； 所述聲學監測模塊包括自上至下一次連接的裝置控制終端（2-1）、自然電位探桿（2-2）和錐形頭（2-3），聲學多普勒流速剖面儀ADCP（1-1）通過下視ADCP連接桿（1-2）安裝在裝置控制終端（2-1）上，自然電位探桿（2-2）上每隔2厘米設置一個電極環；裝置控制終端2-1用于設置裝置的工作狀態并本地存儲監測數據，確保數據不丟失，可外接電源； 所述光學監測模塊包括光學濁度計（3-1）和雙聯卡箍，光學濁度計（3-1）通過雙聯卡箍安裝在自然電位探桿（2-2）上； 具體包括以下步驟： 步驟S1：監測設備的部署 將海底采礦羽流擴散監測裝置按照預定位置部署于海床基上，確保各設備能夠覆蓋羽流可能擴散的區域； 步驟S2：數據采集 聲學多普勒流速剖面儀ADCP（1-1）持續發射聲波并接收回聲強度，記錄羽流擴散的聲學信號及水流數據； 光學濁度計（3-1）實時測量水體中的懸浮顆粒濃度，記錄顆粒濃度的變化； 自然電位探桿（2-2）定期記錄沉積物與海水的自然電位差，監測沉積物分布變化； 步驟S3：數據預處理 對采集到的聲學、光學和電學數據進行濾波、去噪處理； 步驟S4：多源數據融合 建立多源數據融合模型，將ADCP（1-1）、光學濁度計（3-1）和自然電位探桿（2-2）的數據進行融合，以提高監測的準確性；具體包括以下步驟： 步驟S4.1：數據同步與對齊 將來自ADCP（1-1）、光學濁度計（3-1）和自然電位探桿（2-2）的數據按照時間和空間進行同步對齊，確保同一時間點的數據對應同一空間位置； 步驟S4.2：特征提取 從各源數據中提取關鍵特征： ADCP（1-1）數據：聲波回聲強度??、流速??、流向??； 電學探桿數據：電位差??； 步驟S4.3：構建訓練數據集 利用實驗室校準的濁度計數據作為標簽??，ADCP和電學探桿的數據作為輸入特征??,??,??,??，構建訓練數據集； 具體表示為： 其中：Xi=[Ai,Vi,θi,Ei]為第i個樣本的輸入特征向量；Ci為第i個樣本的顆粒濃度標簽；N為樣本數量； 步驟S4.4：選擇機器學習算法 選擇隨機森林算法，建立聲學數據到濃度數據的轉換模型； 步驟S4.5：模型訓練與優化 使用步驟S4.3中構建的訓練數據集??對隨機森林模型進行訓練； 步驟S4.6：模型驗證 利用獨立的驗證數據集，對訓練好的隨機森林模型進行驗證，評估其在不同條件下的預測性能；驗證指標包括均方誤差MSE、決定系數??2； 步驟S4.7：濃度轉換公式 基于訓練好的隨機森林模型，建立從多源監測數據到顆粒濃度的轉換關系；具體公式表示為：C=fA,V,θ,E 其中??為預測的顆粒濃度向量，??為ADCP聲波回聲強度數據，??為水流速度數據，??為水流方向數據，??為電學探桿電位差數據； 隨機森林預測過程： 輸入特征向量：X=[A,V,θ,E] 對于隨機森林中的每一棵決策樹??，其預測結果為： Ct=DecisionTreettX 最終的顆粒濃度預測值??為所有決策樹預測結果的平均值： 其中??為隨機森林中決策樹的數量； 步驟S4.8：多源數據融合模型的應用 將訓練好的隨機森林模型應用于監測數據，通過輸入當前ADCP（1-1）和自然電位探桿（2-2）的數據，預測當前羽流的顆粒濃度。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國海洋大學，其通訊地址為：266100 山東省青島市嶗山區松嶺路238號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。