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！

龙图腾网获悉南通大学申请的专利一种基于Tent-GWO-GRU的有害藻华生长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：CN118917958B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202410939981.X，技术领域涉及：G06Q50/02；该发明授权一种基于Tent-GWO-GRU的有害藻华生长预测方法是由孟令悦;路恺麟;梅子燕;赵敏设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本一种基于Tent-GWO-GRU的有害藻华生长预测方法在说明书摘要公布了：本申请公开了一种基于Tent‑GWO‑GRU的有害藻华生长预测方法，包括：获取目标流域的历史水质数据并进行预处理；基于历史水质数据，构建门控循环单元神经网络GRU模型；基于Tent混沌映射算法，优化灰狼算法GWO；优化GRU模型参数并进行预测。本申请对指标数据进行时间延滞，充分考虑到了藻华生长演化的延后性，提高了该方法的可行性。引入Tent混沌映射算法，对GWO算法生成初始狼群的方法进行改进，使得初始狼群的分布更均匀，明显提高了算法的适应度值，更容易找到全局最优解。本申请采用Tent‑GWO优化算法，对GRU模型的超参数及网络结构进行优化，不仅提高了模型的稳定性，还取得了较高的预测精度。

本发明授权一种基于Tent-GWO-GRU的有害藻华生长预测方法在权利要求书中公布了：1.一种基于Tent-GWO-GRU的有害藻华生长预测方法，其特征在于，包括以下步骤： 获取目标流域的历史水质数据并进行预处理，收集所述目标流域的历史水质数据，并选取叶绿素的浓度作为衡量藻类生长程度的指标； 基于所述历史水质数据以及藻类生长影响因素，获取第一特征数据集； 基于线性插值法，对水质特征数据集进行缺失值以及异常值检验，获取第二特征数据集； 对所述第二特征数据集中的指标数据进行极差标准化处理，获取第三特征数据集； 基于时间延滞以及所述第三特征数据集中的指标数据，获取预处理数据； 将所述预处理数据按照预设比例划分为训练集以及测试集； 基于所述历史水质数据，构建门控循环单元神经网络GRU模型； 基于Tent混沌映射算法，优化灰狼算法GWO； 基于所述门控循环单元神经网络GRU模型以及所述灰狼算法GWO，优化GRU模型参数并进行预测： 将所述训练集中的数据输入所述门控循环单元神经网络GRU模型，获取叶绿素浓度的预测值以及预测精度； 基于所述叶绿素浓度的真实值以及预测值，获取模型损失函数； 基于adam优化算法优化所述模型损失函数，获取预训练模型； 将损失函数作为适应度函数，根据优化后的Tent-GWO算法，对预训练模型中的学习率、隐藏层节点数和正则化系数进行优化，获取预训练的Tent-GWO-GRU模型； 基于所述Tent-GWO-GRU模型，获取所述测试集中的叶绿素浓度。

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南通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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。