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！

龙图腾网恭喜长春工业大学申请的专利一种基于时空关注的发酵过程软测量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：CN119783567B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202510293499.8，技术领域涉及：G06F30/27；该发明授权一种基于时空关注的发酵过程软测量方法是由张秀梅;杨君尧;李慧;姜志宇;周凯龙;张泽设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本一种基于时空关注的发酵过程软测量方法在说明书摘要公布了：本发明公开一种基于时空关注的发酵过程软测量方法，属于工业发酵生产过程软测量建模和应用领域。首先，将时间注意力机制与空间注意力机制进行融合，获取不同批次的时空融合特征表示，然后将得到的不同批次的融合特征表示输入到LSTM层中以获取长期依赖关系，从而实现软测量预测输出。与现有技术相比，该模型具有识别输入变量与质量变量的隐藏状态的能力，并根据每个小批次之间的关系进行建模，通过考虑输入变量间的时空交互作用以及长期依赖关系，提高了模型的预测精度，实现快速响应，最小的维护成本和精确的预测结果，本方法可在间歇发酵领域具有广阔应用前景。

本发明授权一种基于时空关注的发酵过程软测量方法在权利要求书中公布了：1.一种基于时空关注的发酵过程软测量方法，其特征在于，包括如下步骤：步骤1：对发酵过程原始时间序列数据进行预处理；步骤2：为学习过程变量和输出变量之间复杂的空间依赖关系，提出空间卷积注意力机制，对得到的数据集进行编码，具体按如下步骤实施：步骤2.1：为减少显著特征映射，防止过拟合，通过卷积层与最大池化层对进行特征提取，通过第k个CNN滤波器，沿时间维度进行扫描： 其中，wk代表权重参数，bk代表偏置量，xi是第i个时间序列，i＝1,2,...,n+1，包括过程变量和质量变量，为简单起见，xn+1表示目标序列y，ReLU是激活函数；步骤2.2：将生成的向量整合成矩阵形式Mi，为了捕获最重要的特征，在矩阵的每一行上进行最大池化，并将hi整合成矩阵形式：hi＝MaxPoolMi，H＝h1,h2,…,hn+1T，其中，hi表示对原始数据进行处理后得到的特征，H表示整合后的矩阵；步骤2.3：将整合后的矩阵输入到空间卷积注意力模块中，空间卷积注意力机制如下： Vis＝XWivs， 其中，X＝x1,x2,...,xn,yT是进行数据处理后的输入矩阵，Wiqs,Wiks,Wivs为可学习的参数，dk是过程变量维度，k是卷积核个数，ViS是特征矩阵H与输入矩阵X转换后的矩阵，为缩放后的点积输出，Z是将输出进行投影后的矩阵；步骤3：从编码器中提取特征后，为学习时间依赖性，引入时间卷积注意力机制，具体按如下步骤实施： 其中，Vit是将Y利用多头注意力机制转换后的矩阵，O是将输出进行投影后的矩阵；步骤4：为更好的学习时空依赖关系，将空间卷积注意力机制与时间卷积注意力机制进行融合，具体按如下步骤实施： 其中，Wqst，Wkst是学习参数；步骤5：为捕获长期依赖关系，将不同批次B的时空融合特征发送到LSTM层得到预测输出，具体按如下步骤实施：LSTM机制如下：It＝σΓstWΓi+Ht-1Whi+bi,Ft＝σΓstWΓf+Ht-1Whf+bf,Ot＝σΓstWΓo+Ht-1Who+bo, Ct＝Ft⊙Ct-1+ItCt,Ht＝Ot⊙tanhCt,其中，It,Ft,Ot分别为输入门、遗忘门以及输出门，Ct为t时刻细胞记忆状态，Ct为t时刻细胞候选状态，Ht为当前隐藏状态，σ是激活函数，⊙为点乘运算，tant为激活函数，WΓi,Whi,WΓf,Whf,WΓo,Who,WΓc,Whc为权重参数，bi,bf,bo,bc为偏置量；步骤6：通过均方误差和R2对建模结果进行检验。

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长春工业大学，其通讯地址为：130012 吉林省长春市朝阳区湖西街道延安大街2055号；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”。