Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜淮阴工学院任健获国家专利权

恭喜淮阴工学院任健获国家专利权

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!

龙图腾网恭喜淮阴工学院申请的专利一种基于改进DE与注意力机制的LSTM污水水质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:CN117291069B

龙图腾网通过国家知识产权局官网在2025-02-18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:202311148279.3,技术领域涉及:G06F30/23;该发明授权一种基于改进DE与注意力机制的LSTM污水水质预测方法是由任健;周红标;秦源汇;杨丹;刘帅祥;徐浩渊设计研发完成,并于2023-09-06向国家知识产权局提交的专利申请。

一种基于改进DE与注意力机制的LSTM污水水质预测方法在说明书摘要公布了:本发明公开了一种基于改进DE与注意力机制的LSTM污水水质预测方法,包括以下步骤:1)对污水处理厂重要特征数据集进行预处理;2)构建并初始化ATT‑LSTM水质预测模型;3)利用ADE优化所述ATT‑LSTM水质预测模型的超参数,得到最优超参数ADE‑ATT‑LSTM水质预测模型;4)基于预处理后的数据,构建训练集、测试集以训练所述最优超参数ADE‑ATT‑LSTM水质预测模型;5)将采集的数据输入到训练好的ADE‑ATT‑LSTM水质预测模型,得到DO预测结果。本发明的水质预测模型能够保证预测模型参数最优,从而有效地提升了水质预测精度;且本发明通过ADE与ATT和LSTM模型相结合,大大提高了水质预测模型的计算效率。

本发明授权一种基于改进DE与注意力机制的LSTM污水水质预测方法在权利要求书中公布了:1.一种基于改进DE与注意力机制的LSTM污水水质预测方法,其特征在于,包括如下步骤:步骤1:对污水处理厂重要特征数据集进行预处理,所述特征数据集包括当前时刻的pH、电导率、水温、浊度、高锰酸钾、总磷、氨氮、总氮以及前些时刻的溶解氧DO历史数据;步骤2:构建并初始化ATT-LSTM水质预测模型,所述ATT-LSTM水质预测模型为基于注意力机制ATT的长短期记忆LSTM神经网络模型;步骤3:基于预处理后的数据,利用改进差分进化算法ADE优化所述ATT-LSTM水质预测模型的超参数,得到最优超参数ADE-ATT-LSTM水质预测模型;S31:ATT-LSTM水质预测模型的隐藏层神经元数量和学习率被选作ADE算法的优化参数,确定待优化参数的优化范围,随机初始化种群P;S32:计算ADE算法中每个个体的适应度值: 其中,p为样本数,yp为样本的真实值,为预测值;S33:将整个种群P随机分为探索子种群P1、开发子种群P2和平衡子种群P3,并自适应选择突变策略;1探索子种群P1探索子种群P1采用DErand2作为突变策略;使用两个随机差分向量对目标个体进行干扰,突变策略如下:“DErand2”:Vi,G=Xr1,G+F×Xr2,G-Xr3,G+F×Xr4,G-Xr5,G其中,Vi,G为当前种群中的个体Xi,G利用变异策略生成一个突变向量,r1、r2、r3、r4、r5分别表示[1,N]范围内随机生成的互斥整数,F∈[0,1]为变异因子;2开发子种群P2开发子种群P2采用DEbest2作为突变策略,在当前种群的最优个体附近搜索,突变策略如下:“DEbest2”:Vi,G=Xbest,G+F×Xr2,G-Xr3,G+F×Xr4,G-Xr5,G其中,Xbest,G为第G代种群中适应度值最佳的个体向量;3平衡子种群P3对于平衡子种群P3,根据个体适应度值的大小,将当前迭代到第G代的种群划分为优秀种群和普通种群,改进的差分进化算法的变异策略中,Xr1,G,Xr2,G,Xr4,G从优秀种群中随机选择,Xr3,G和Xr5,G从普通种群中随机选择,自适应突变策略选择如下: 其中,优秀种群规模占全部种群规模的比例设置为0.4,QG为在上式两种变异策略中被选择的概率,计算如下: S34:进入突变阶段,根据相应的突变策略和自适应变异因子F执行相应的粒子突变方法;S35:进入变异阶段,根据自适应交叉概率Cr执行相应的粒子变异方法;S36:计算个体的适应度值,确定3个子种群里的最优值,并将3个子种群合并;S37:判断是否满足终止迭代的条件;如果迭代次数达到最大值,则返回模型的最优超参数;否则,重复S33继续执行,直到满足终止条件;步骤4:基于预处理后的数据,构建训练集、测试集以训练所述最优超参数ADE-ATT-LSTM水质预测模型;步骤5:将收集到的数据集,包括当前时刻的pH、电导率、水温、浊度、高锰酸钾、总磷、氨氮、总氮以及前些时刻的溶解氧历史数据,输入到训练好的ADE-ATT-LSTM水质预测模型,得到未来DO值预测结果。

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淮阴工学院,其通讯地址为:223400 江苏省淮安市涟水县海安路10号安东大厦8楼;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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。