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！

龍圖騰網獲悉中國計量大學申請的專利一種溶解氧濃度數據修復及預報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：CN114970813B 。

龍圖騰網通過國家知識產權局官網在2025-09-09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：202210536530.2，技術領域涉及：G06F18/15；該發明授權一種溶解氧濃度數據修復及預報方法是由焦建格;趙麗琴;黃森軍;劉鵬;馬倩倩設計研發完成，并于2022-05-17向國家知識產權局提交的專利申請。

本一種溶解氧濃度數據修復及預報方法在說明書摘要公布了：本發明公開了一種溶解氧濃度數據修復及預報方法，包括采集水質數據，建立原始數據集；識別缺失值，并利用箱形圖對水質數據進行異常值分析，剔除異常值；利用拉格朗日插值法計算并修補識別的缺失值及剔除的異常值；利用改進的灰色關聯分析法分析溶解氧與其他水質參數之間的相關性；利用麻雀搜索算法對LSTM神經網絡的參數進行優化，建立改進LSTM模型；利用改進的LSTM模型對溶解氧數據進行預測。本發明利用麻雀算法建立了改進LSTM模型，在優化原始數據集中缺失值于異常值的基礎上，準確的預測了溶解氧濃度變化，提供了水動力復雜河口區的水質高精度預測技術。

本發明授權一種溶解氧濃度數據修復及預報方法在權利要求書中公布了：1.一種溶解氧濃度數據修復及預報方法，其特征在于，包括以下步驟： 步驟1：采集水質數據，建立原始數據集； 步驟2：識別缺失值，并利用箱形圖對水質數據進行異常值分析，剔除異常值； 步驟3：利用拉格朗日插值法計算對識別的缺失值及剔除的異常值； 步驟4：利用改進的灰色關聯分析法分析溶解氧與其他水質參數之間的相關性； 步驟5：利用麻雀搜索算法SSA對LSTM神經網絡的學習率、batchsize、訓練次數、LSTM隱含層節點數和全連接隱含層節點數五個參數進行優化，建立改進LSTM模型； 步驟6：利用基于麻雀搜索算法SSA的改進LSTM模型對溶解氧數據進行預測； 所述步驟1的操作方法為選定某一監測站，獲取連續記錄水質數據序列，對監測數據進行編號，建立原始數據集D1； 所述步驟2的操作方法為識別數據序列中缺失的值，并通過數據序列箱形圖分析，發現數據集中水質參數的異常值，并剔除異常值，建立調整后的數據集D2； 所述步驟3中采用拉格朗日插值法計算缺失值及異常值的具體流程包括： 流程3-1：計數據集D2數據個數為n，建立過n個點的n-1次多項式： y＝a0+a1x+a2x2+L+an-1xn-11 流程3-2：將n個點的坐標x1，y1x2，y2…xn，yn代入多項式函數，得到如下方程： 流程3-3：聯立方程，解出拉格朗日插值多項式為： 流程3-4：將缺失的函數值對應的點x代入插值多項式，得到缺失值的近似值Lx，獲得修補后數據集D3； 所述步驟4中改進的灰色關聯分析法的流程如下： 流程4-1：首先需要確定參考數列與對比數列： X0k＝{X01,X02,LX0k}4 Xik＝{Xi1,Xi2,LXik} 流程4-2：初值化Xik： 流程4-3：構建參考序列與比較序列的差矩陣： 流程4-4：將引入，構成形狀相似性關聯系數： 流程4-5：構建參考序列與比較序列的商矩陣： 流程4-6：將引入，構成距離相似關聯系數： 流程4-7：計算綜合關聯度： 所述步驟5的具體操作流程為： 流程5-1：將所述數據集D2的70％數據作為訓練數據，構成訓練集； 流程5-2：對麻雀搜索算法超參數進行設置； 流程5-3：種群初始化，將均方根誤差作為適應度函數； 流程5-4：將種群參數輸入到LSTM神經網絡中，計算個體和群體適應度，不斷地更新麻雀算子； 流程5-5：根據終止條件判斷是否完成訓練； 流程5-6：若完成訓練，則輸出LSTM最優超參數；否則返回流程5-4繼續執行規則。

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計量大學，其通訊地址為：310018 浙江省杭州市下沙高教園區學源街258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”。