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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD