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 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 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 > 东南大学葛志强获国家专利权

东南大学葛志强获国家专利权

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!

龙图腾网获悉东南大学申请的专利一种基于半监督深度概率模型的二氧化碳浓度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:CN119538205B

龙图腾网通过国家知识产权局官网在2025-05-30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:202411553277.7,技术领域涉及:G06F18/27;该发明授权一种基于半监督深度概率模型的二氧化碳浓度预测方法是由葛志强设计研发完成,并于2024-11-01向国家知识产权局提交的专利申请。

一种基于半监督深度概率模型的二氧化碳浓度预测方法在说明书摘要公布了:本发明公开了一种基于半监督深度概率模型的二氧化碳浓度预测方法,用于二氧化碳吸收塔中二氧化碳含量的在线检测。本发明基于常规的概率主元回归模型,同时引入半监督学习和深度学习的思路,将基本的概率主元回归模型扩展为半监督深度学习模型的结构,即提出一种基于半监督深度概率主元回归模型的软测量新方法,用于二氧化碳吸收塔中二氧化碳浓度的在线检测。相比常规的主元回归模型,本发明方法不仅能有效利用大量廉价的无标签样本信息,而且还能深度提取过程数据中隐含的信息,从而提升二氧化碳浓度的实际预测效果。

本发明授权一种基于半监督深度概率模型的二氧化碳浓度预测方法在权利要求书中公布了:1.一种基于半监督深度概率模型的二氧化碳浓度预测方法,其特征在于,所述方法包括以下步骤:1利用仪表测量系统收集二氧化碳吸收塔运行过程中的正常工况数据,作为构建预测模型时的输入数据训练样本集:X∈RN×m,其中,N为模型输入数据集的训练样本个数,m为输入数据的变量个数,将该输入数据训练样本集存入建模数据库中备用,2通过工业生产现场人工取样以及分析小屋化验分析的方式,离线获取建模二氧化碳吸收塔中的二氧化碳含量值,作为构建预测模型时的输出数据训练样本集y∈Rn,其中,n为样本数据集的个数,同样将该数据集存入建模数据库中备用,3从建模数据库中提取训练样本集,并将其分为有标签数据集和无标签数据集分别对输入数据和输出数据的不同变量做归一化处理,使得各个变量的均值为零,方差为1,将变量的量纲统一到相同的尺度,4基于标准化之后的数据样本集,首先建立深度概率回归模型的第一层结构,也即半监督概率主元回归模型,将该模型的参数存入模型库中备用,5从上一层半监督概率主元回归模中提取出来的主元变量出发,重新调用输出变量信息建立深度概率模型的第二层结构,即第二层半监督形式的概率主元回归模型,同样将模型参数存入模型库中备用,6以此类推,建立一个包括L个隐层的半监督深度概率模型,将所有隐层的模型参数全部存入模型库中备用,同时,将每一个隐层提取出来的主元变量集成在一起,形成一个新的综合主元变量,7基于综合主元变量对应的数据样本,建立其与输出变量的回归关系,即构造一个最终的半监督概率主元回归模型,同样将模型的参数存入模型数据库中备用,8在二氧化碳吸收塔中收集新的工业现场实时测量数据,利用半监督概率模型库中保存的参数,对新的数据进行归一化处理,作为后续模型预测的准备,9将归一化之后的新数据作为半监督深度概率模型的输入,计算当前数据所对应的模型输出值,完成对二氧化碳浓度值的在线预测。

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东南大学,其通讯地址为:211102 江苏省南京市江宁区东南大学路2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”。

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。