根据《中国地质大学(武汉)科技成果转化管理办法(修订)》(地大校办发〔2022〕16号)相关规定，现将国家发明专利“基于改进的LSTM-seq2seq模型的河流突发水污染事故水质预测方法”等2项专利许可情况进行公示。具体情况如下：

1.专利名称：基于改进的LSTM-seq2seq模型的河流突发水污染事故水质预测方法

专利号：ZL202011600080.6

成果完成人：李强、王永桂、张雅新

简介：本发明提供一种基于改进的seq2seq和长短期记忆网络的河流突发水污染事故水质预测方法，包括：通过seq2seq模型架构的编码器提取水质数据、水文数据的时间特征，通过多层感知机人工神经网络提取污染事故发生河段和下游河段的空间特征；拼接时间特征和空间特征来更新隐含状态向量，解码器输出对下游河段的连续水质预测序列数据，从而构建ensemble?seq2seq模型并进行训练；基于ensemble?seq2seq模型预测下游河段的连续水质序列数据。本发明解决了传统预测模型无法同时考虑时间和空间特征且只能预测单个时间点的问题，解决了河流突发水污染事故发生后对下游的水质进行预测的问题，提升了水质综合预测性能，相比较于传统预测模型有着更好的逼近精度、泛化能力，便于下游采取相应处置措施。

2.专利名称：基于物理定律和过程驱动的深度学习模型的水质预测方法

专利号：CN202110435636.9

成果完成人：李强、王永桂

简介：本发明提供一种基于物理定律和过程驱动的深度学习模型的水质预测方法，根据物理定律对深度学习模型的损失函数进行修改；使用水质模型生成水质指标的模拟时间序列数据；使用模拟数据对深度学习模型进行训练，得到预训练模型；使用水质指标的历史实测数据对预训练模型进行调整优化，得到物理约束和过程驱动的深度学习模型PRPGDL；最后，基于PRPGDL模型预测未来的水质指标数据。本发明相比水质模型需要更少的边界条件和参数、有更高的预测准确度、速度和灵活性；相比深度学习模型具有更高的准确性和通用性，并且需要更少的实测数据；提供准确度更高、泛化能力和适用性更强、实测数据需求更少的水质预测方法。

许可费：0.5万元

被许可方：武汉祁联生态科技有限公司

对以上结果有异议者，请在公示时间内实名书面向知识产权与技术转移中心反映。

公示时间：2022年7月26日至8月9日

联系人：李想姣

联系电话：027-67880785

电子邮件：kyc013@cug.edu.cn