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！

龍圖騰網獲悉國能神東煤炭集團有限責任公司申請的專利一種多源礦井水水質預測方法、裝置、設備、介質及產品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：CN119025920B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202411131848.8，技術領域涉及：G06F18/214；該發明授權一種多源礦井水水質預測方法、裝置、設備、介質及產品是由王義;程洋;劉凱;張娜;劉薇;李貫杰設計研發完成，并于2024-08-19向國家知識產權局提交的專利申請。

本一種多源礦井水水質預測方法、裝置、設備、介質及產品在說明書摘要公布了：本申請公開了一種多源礦井水水質預測方法、裝置、設備、介質及產品，涉及煤礦礦井水水質預測技術領域，該方法包括獲取受采動裂隙影響的工作面水源；根據設定的樣本采集時間間隔，對工作面水源進行樣本采集；采用pearson算法對采集的水源樣本進行分析，得到工作面水源中各來源層監測的礦井水水質主要特征指標數據集；基于各來源層監測的礦井水水質主要特征指標數據集，采用訓練好的蟻群優化算法?卷積神經網絡?長短期記憶預測模型，對各來源層進行水質預測，得到各來源層水質預測數據；預測模型為利用蟻群優化算法對卷積神經網絡?長短期記憶預測模型進行參數優化后得到的模型，本申請提供的方法可提高水質預測的準確性與可靠性。

本發明授權一種多源礦井水水質預測方法、裝置、設備、介質及產品在權利要求書中公布了：1.一種多源礦井水水質預測方法，其特征在于，所述多源礦井水水質預測方法包括： 獲取受采動裂隙影響的工作面水源；所述工作面水源主要源自老空區和若干個覆巖含水層； 根據設定的樣本采集時間間隔，對工作面水源進行樣本采集； 采用pearson算法對采集的水源樣本進行分析，得到工作面水源中各來源層監測的礦井水水質主要特征指標數據集；所述礦井水水質主要特征指標數據集由總溶解固體、重金屬、硫化物、化學需氧量、放射性物質、pH值和總懸浮物構成； 基于各來源層監測的礦井水水質主要特征指標數據集，采用訓練好的蟻群優化算法-卷積神經網絡-長短期記憶預測模型，對各來源層進行水質預測，得到各來源層水質預測數據；所述蟻群優化算法-卷積神經網絡-長短期記憶預測模型為利用蟻群優化算法對卷積神經網絡-長短期記憶預測模型進行參數優化后得到的模型； 在獲取受采動裂隙影響的工作面水源之前，還包括： 收集目標區域中礦井工作面、老空區和覆巖含水層的賦存信息； 根據所述賦存信息，采用開采損害學理論，確定目標區域中導水裂隙帶信息； 根據導水裂隙帶信息，對導水裂隙帶與老空區、含水層的交疊情況進行分析，確定受采動裂隙影響的工作面水源； 所述賦存信息由工作面采深、采厚、覆巖巖性、老空區的層位高度和覆巖含水層的層位高度構成； 其中，根據所述賦存信息，采用開采損害學理論，確定目標區域中導水裂隙帶信息，具體包括： 當覆巖巖性的堅硬程度大于第一設定閾值時，根據公式確定目標區域中導水裂隙帶的高度信息； 當覆巖巖性的堅硬程度小于等于第一設定閾值且大于第二設定閾值時，根據公式確定目標區域中導水裂隙帶的高度信息； 當覆巖巖性的堅硬程度小于等于第二設定閾值時，根據公式確定目標區域中導水裂隙帶的高度信息； 基于各來源層監測的礦井水水質主要特征指標數據集，采用訓練好的蟻群優化算法-卷積神經網絡-長短期記憶預測模型，輸入老空區a1、含水層a2、含水層a3的前m時刻監測的水質數據序列，預測各來源層m+t時刻的水質指標，具體包括： 1以m時刻為當前狀態，采集老空區a1、含水層a2、含水層a3的水質指標pi,qi,risi前d時刻到當前時刻的數據序列分別表示為： 老空區a1:pim＝[pim-d+1,...,pim-1,pim]； 含水層a2：qim＝[qim-d+1,...,qim-1,qim]； 含水層a3：rim＝[rim-d+1,...,rim-1,rim]； 其中，d表示滑動窗口的大小，i表示不同的水質特征指標，qi表示含水層a2所采集的水質指標數據集；q2表示重金屬的水質數據序列；q3表示硫化物的水質數據序列；卷積層的輸出向量的數理表達式為： 其中，表示第j映射特征的偏移，w表示kernel的權重，z表示過濾的索引值，σ表示ReLU激活函數； 2數據經過CNN輸入層和多個隱藏層輸出后將進入LSTM，LSTM是CNN-LSTM模型中CNN的后續層級，其輸入為CNN層的輸出；LSTM單元在第t階段時的輸入門為it，遺忘門為ft，輸出門為ot，隱藏層狀態為ht，那么該單元在第t階段的相關更新情況為： 遺忘門：選擇遺忘某些信息 輸入門：記憶某些信息 輸出門：輸出某些信息 其中，ct表示第t階段的單元狀態，σ表示激活函數；w為每個單元的權重矩陣，b為對應的偏移向量，pt表示CNN網絡經過池化層后在第t時刻水質預測關鍵特征的輸出； 3LSTM單元狀態ct和隱藏層ht公式為： ht＝ot*tanhct； 4設hl＝{h1,h2,...,hl}，其中l作為LSTM單元數；LSTM的輸出，相應計算公式為： 得到老空區a1、含水層a2、含水層a3的水質預測結果分別為： 老空區a1：pim+t＝[pim+t-d+1,...,pim+t-1,pim+t]； 含水層a2：qim+t＝[qim+t-d+1,...,qim+t-1,qim+t]； 含水層a3：rim+t＝[rim+t-d+1,...,rim+t-1,rim+t]；其中t為預測值與采樣值之間的時間間隔。

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國能神東煤炭集團有限責任公司，其通訊地址為：017200 內蒙古自治區鄂爾多斯市伊金霍洛旗烏蘭木倫鎮上灣金龍路北(原煤海商城)；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”。