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！

龙图腾网获悉中国环境科学研究院申请的专利基于参数扰动-局地化集合数据同化的水质短期预报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：CN121565311B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511714383.3，技术领域涉及：G16C20/70；该发明授权基于参数扰动-局地化集合数据同化的水质短期预报方法是由刘晓钰;王丽婧;刘永;李虹;蒋青松;聂冲设计研发完成，并于2025-11-21向国家知识产权局提交的专利申请。

本基于参数扰动-局地化集合数据同化的水质短期预报方法在说明书摘要公布了：本发明提供了一种基于参数扰动‑局地化集合数据同化的水质短期预报方法，属于水质预报技术领域，基于水动力‑水质机理模型初始时刻T1的水质状态及不确定性，构建初始状态向量并转为初始集合成员输入模型；筛选模型敏感水质参数，扰动这些参数与模型驱动条件生成参数扰动集合，再和初始集合成员融合成扰动集合；将扰动集合输入模型运行至T2时刻，得到水质预报集合；结合T2时刻水质观测数据及误差，采用EnKF等集合数据同化算法计算分析集合；最后用分析集合更新模型T2初始条件，重复上述步骤，持续输出各时刻最优估计，实现水质短期预报。本发明能提升水质短期预报精度、节约计算成本、精准捕捉水华时空异质性，且可解释性与推广性强。

本发明授权基于参数扰动-局地化集合数据同化的水质短期预报方法在权利要求书中公布了：1.一种基于参数扰动-局地化集合数据同化的水质短期预报方法，其特征在于，包括以下步骤： S1、基于水动力-水质机理模型在初始时刻T1的水质状态及其不确定性估算，构建初始状态向量，将所述初始状态向量转换为初始集合成员，输入所述水动力-水质机理模型； S2、对所述水动力-水质机理模型的水质参数执行全局敏感性分析，筛选得到敏感参数集；对所述敏感参数集及模型驱动条件分别进行扰动，生成参数扰动集合；将S1得到的初始集合成员与所述参数扰动集合融合，形成扰动集合； S3、将S2得到的扰动集合输入所述水动力-水质机理模型，驱动模型运行至后续时刻T2，生成T2时刻的水质预报集合； S4、获取T2时刻的水质观测数据及其观测误差，基于所述水质预报集合、水质观测数据与观测误差，采用集合卡尔曼滤波EnKF算法执行分析计算，得到分析集合，所述分析集合的平均值即为T2时刻的水质最优状态估计； 若采用局地化方案，在执行所述EnKF算法分析计算前，先根据目标水体的营养状态与水质背景值调整局地化函数，再通过拟合目标水体的水质观测数据确定最优局地化半径，最后基于所述局地化函数与最优局地化半径计算观测值对不同空间点位的影响权重，并将所述影响权重融入EnKF分析计算过程； 在S4中，根据目标水体的营养状态与水质背景值调整局地化函数具体包括： 所述局地化函数采用Gaspari-Cohn五阶多项式相关性函数；收集目标水体不同空间点位的水质观测数据，计算所述观测数据的相关性系数及随空间距离的变化特征，确定相关性系数的基准稳定值；基于所述基准稳定值与变化特征，对所述Gaspari-Cohn五阶多项式相关性函数进行缩放与偏移调整，得到适配目标水体的局地化函数； 通过拟合目标水体的水质观测数据确定最优局地化半径具体包括： 获取目标水体多个观测站点的历史水质观测数据，计算不同观测站点间水质参数的相关性系数与站点空间距离的对应关系；采用最小二乘法将所述对应关系与调整后的局地化函数进行拟合，求解使拟合误差最小的局地化半径，作为所述最优局地化半径； S5、用S4得到的分析集合更新所述水动力-水质机理模型在T2时刻的初始条件，重复S2至S4，将模型依次运行至后续时刻T3、T4……Tn，持续输出各时刻的水质最优状态估计，实现水质短期预报。

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中国环境科学研究院，其通讯地址为：100012 北京市朝阳区奥运村街道；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。