申请/专利权人:河北农业大学
申请日:2024-01-15
公开(公告)日:2024-04-12
公开(公告)号:CN117874465A
主分类号:G06F18/20
分类号:G06F18/20;G06F18/243;G06N20/20;G06N20/10;G06F18/2411
优先权:["20230706 CN 2023108272624"]
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明涉及环保技术领域,具体为一种利用机器学习预测废荧光粉中稀土元素浸出率的方法,包括以下步骤:收集关于湿法浸出回收废荧光粉中稀土的数据;对数据进行初筛和预处理,将数据按比例划分为训练集、测试集和验证集;选择机器学习算法,进行超参数调试和性能优化,确定预测准确率最高的模型;基于最优模型开发一个图形操作界面,只需实验确定废荧光粉粒度和组成,通过图形界面调节浸出参数,就能预测出稀土的最优浸出率和工艺参数。最后浸出实验证明了该模型的可靠性。该发明能避免传统湿法酸浸所需要的大量优化实验,普适性强,节省了时间、人力和物力成本,是辅助废荧光粉稀土元素高效酸浸出的强有力工具,具有很好的实际应用价值。
主权项:1.一种利用机器学习预测废荧光粉中稀土元素浸出率的方法,其特征在于,包括以下步骤:S1、收集废荧光粉稀土元素浸出的实验数据信息,包括物料性质、酸浸参数和稀土元素钇Y、铕Eu、铽Tb、铈Ce、鑭La和钆Gd浸出率作为数据库;S2、对数据进行预处理和相关性等分析,然后将数据库按照比例划分为训练集、测试集和验证集;S3、以物料粒径、组分和浸出参数作为输入特征,稀土元素浸出率作为输出标签,选择不同机器学习算法,对模型进行超参数调试,防止过拟合;评价稀土浸出率预测模型的精度,确定预测准确率最高的模型。S4、基于优化模型进行特征重要性分析,然后开发图形操作界面GUI。S5、对模型进行实验验证。
全文数据:
权利要求:
百度查询: 河北农业大学 一种利用机器学习预测废荧光粉中稀土元素浸出率的方法
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。