買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉中國(guó)標(biāo)準(zhǔn)化研究院申請(qǐng)的專利基于人工智能的污水處理數(shù)據(jù)管理方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN120234741B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202510703093.2，技術(shù)領(lǐng)域涉及：G06F18/2433；該發(fā)明授權(quán)基于人工智能的污水處理數(shù)據(jù)管理方法及系統(tǒng)是由孫業(yè)暉;孫廣芝;隋媛設(shè)計(jì)研發(fā)完成，并于2025-05-29向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于人工智能的污水處理數(shù)據(jù)管理方法及系統(tǒng)在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了基于人工智能的污水處理數(shù)據(jù)管理方法及系統(tǒng)，涉及技術(shù)領(lǐng)域，獲取污水處理系統(tǒng)的實(shí)時(shí)運(yùn)行數(shù)據(jù)，通過(guò)預(yù)先訓(xùn)練的多源數(shù)據(jù)融合網(wǎng)絡(luò)對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)提取污水處理系統(tǒng)的關(guān)鍵特征，將所述關(guān)鍵特征輸入到預(yù)先訓(xùn)練的狀態(tài)評(píng)估模型中，生成污水處理狀態(tài)；根據(jù)所述污水處理狀態(tài)，判斷當(dāng)前運(yùn)行狀態(tài)是否處于異常工況，若處于異常工況，則通過(guò)基于貝葉斯網(wǎng)絡(luò)的診斷模型，基于實(shí)時(shí)運(yùn)行數(shù)據(jù)和污水處理狀態(tài)，識(shí)別異常原因，基于所述異常原因，將所述關(guān)鍵特征輸入到基于隨機(jī)森林的策略生成模型中，生成針對(duì)性的調(diào)控策略；解決了數(shù)據(jù)處理技術(shù)問(wèn)題。

本發(fā)明授權(quán)基于人工智能的污水處理數(shù)據(jù)管理方法及系統(tǒng)在權(quán)利要求書(shū)中公布了：1.基于人工智能的污水處理數(shù)據(jù)管理方法，其特征在于，包括以下步驟： 步驟一：獲取污水處理系統(tǒng)的實(shí)時(shí)運(yùn)行數(shù)據(jù)； 步驟二：通過(guò)預(yù)先訓(xùn)練的多源數(shù)據(jù)融合網(wǎng)絡(luò)對(duì)所述實(shí)時(shí)運(yùn)行數(shù)據(jù)提取污水處理系統(tǒng)的關(guān)鍵特征；所述多源數(shù)據(jù)融合網(wǎng)絡(luò)模型包括特征提取模塊、時(shí)序建模模塊、多源融合模塊和特征輸出模塊； 在特征提取模塊中，針對(duì)水質(zhì)參數(shù)的數(shù)據(jù)流，采用一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含3個(gè)連續(xù)的一維卷積塊；針對(duì)工藝控制參數(shù)的數(shù)據(jù)流，采用門(mén)控循環(huán)單元網(wǎng)絡(luò)，包含2層雙向GRU結(jié)構(gòu)；針對(duì)運(yùn)行參數(shù)的數(shù)據(jù)流，采用多尺度殘差網(wǎng)絡(luò)結(jié)構(gòu)，包含4個(gè)殘差塊； 在時(shí)序建模模塊中，對(duì)三個(gè)數(shù)據(jù)流提取的特征分別應(yīng)用時(shí)間注意力機(jī)制，學(xué)習(xí)不同時(shí)間點(diǎn)特征的重要性權(quán)重，然后對(duì)各時(shí)間點(diǎn)特征進(jìn)行加權(quán)求和，得到具有時(shí)間重要性的特征表示； 在多源融合模塊中，采用自適應(yīng)特征融合策略，包含特征對(duì)齊、特征交互和特征融合三個(gè)步驟；特征對(duì)齊步驟通過(guò)全連接層將三個(gè)數(shù)據(jù)流經(jīng)時(shí)序建模模塊輸出的特征映射到相同的特征空間；特征交互步驟通過(guò)跨流注意力機(jī)制，計(jì)算不同數(shù)據(jù)流對(duì)應(yīng)的特征空間之間的相互影響；特征融合步驟則通過(guò)門(mén)控融合單元，根據(jù)各數(shù)據(jù)流特征經(jīng)過(guò)特征交互步驟輸出的特征空間的相關(guān)性，自適應(yīng)地確定融合權(quán)重，生成綜合特征表示；在特征輸出模塊中，通過(guò)兩層全連接網(wǎng)絡(luò)對(duì)所述綜合特征表示進(jìn)行降維和按融合權(quán)重進(jìn)行特征選擇，提取關(guān)鍵特征； 步驟三：將所述關(guān)鍵特征輸入到預(yù)先訓(xùn)練的狀態(tài)評(píng)估模型中，生成污水處理狀態(tài)；根據(jù)所述污水處理狀態(tài)，判斷當(dāng)前運(yùn)行狀態(tài)是否處于異常工況； 步驟四：若處于異常工況，則通過(guò)基于貝葉斯網(wǎng)絡(luò)的診斷模型，基于實(shí)時(shí)運(yùn)行數(shù)據(jù)和污水處理狀態(tài)，識(shí)別異常原因； 步驟五：基于所述異常原因，將所述關(guān)鍵特征輸入到基于隨機(jī)森林的策略生成模型中，該模型通過(guò)集成多個(gè)決策樹(shù)對(duì)不同異常類型進(jìn)行分類，并結(jié)合歷史處理經(jīng)驗(yàn)和當(dāng)前工況參數(shù)，生成針對(duì)性的調(diào)控策略。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人中國(guó)標(biāo)準(zhǔn)化研究院，其通訊地址為：100191 北京市海淀區(qū)知春路4號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。