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！

龙图腾网恭喜西安理工大学申请的专利基于机器学习的微藻浮珠浮选采收效率预测与优化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：CN119397212B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202510009348.5，技术领域涉及：G06F18/20；该发明授权基于机器学习的微藻浮珠浮选采收效率预测与优化方法是由邹小彤;徐开伟;方长青;赵少华;刘轲设计研发完成，并于2025-01-03向国家知识产权局提交的专利申请。

本基于机器学习的微藻浮珠浮选采收效率预测与优化方法在说明书摘要公布了：本发明涉及微藻生物固液分离技术领域，特别是基于机器学习的微藻浮珠浮选采收效率预测与优化方法。引入不同的机器学习算法，基于不同的机器学习算法对筛选后的多维微藻浮珠浮选数据包进行训练计算并筛选，得到训练完成的理想采收效率预测模型；通过训练完成的理想采收效率预测模型对既定输入特征进行预测，得到既定采收效率值，使用SHAP库计算既定采收效率值以确定每种既定浮珠性质以及既定操作条件对既定采收效率的影响程度；基于所述影响程度降序排列筛选的最优浮珠浮选采收条件丰富微藻浮珠浮选的数据集，并优化理想采收效率预测模型。本发明能够基于机器学习的方法实现微藻浮珠浮选过程的采收效率精准预测，显著提升微藻浮珠浮选采收性能。

本发明授权基于机器学习的微藻浮珠浮选采收效率预测与优化方法在权利要求书中公布了：1.基于机器学习的微藻浮珠浮选采收效率预测与优化方法，其特征在于，包括以下步骤：S102：获取微藻浮珠浮选的文献数据库，通过所述文献数据库查阅微藻浮珠浮选的微藻特性数据、浮珠性质数据、操作参数数据以及采收效率数据，并对所述微藻特性数据、浮珠性质数据、操作参数数据以及采收效率数据进行单位统一、缺失值填补以及归一化处理后筛选，得到筛选后的多维微藻浮珠浮选数据包；S104：引入不同的机器学习算法，基于不同的机器学习算法对筛选后的多维微藻浮珠浮选数据包进行训练计算，得到每一种机器学习算法所对应训练完成的采收效率预测模型，并通过多个评价指标以及网格搜索模型评估优化每一种所述采收效率预测模型并进行最优分析筛选，得到训练完成的理想采收效率预测模型；S106：获取微藻浮珠浮选的既定输入特征，将既定输入特征导入所述训练完成的理想采收效率预测模型进行预测，得到既定采收效率值，使用SHAP库计算既定采收效率值以构建SHAPSummaryPlot可视化图并分析SHAP值的分布格局，以确定每种既定浮珠性质以及既定操作条件对既定采收效率的影响程度；S108：基于所述影响程度降序排列获取出排序靠前的优选既定输入特征，引入穷举法改变所述优选既定输入特征的特征值并通过理想采收效率预测模型预测筛选出最优浮珠浮选采收条件，基于最优浮珠浮选采收条件丰富微藻浮珠浮选的数据集并优化理想采收效率预测模型；其中，所述S104步骤，具体包括以下步骤：基于微藻浮珠浮选的采收需求设定划分比例，根据划分比例将所述筛选后的多维微藻浮珠浮选数据包随机划分为训练集、测试集与验证集；引入不同的机器学习算法，以筛选后的多维微藻浮珠浮选数据包中的微藻特性数据、浮珠性质数据与操作参数数据为输入特征、采收效率为输出特征的训练规则，基于所述训练规则在不同的机器学习算法中对训练集进行模型训练，得到每一种机器学习算法所对应训练完成的采收效率预测模型；根据所述微藻浮珠浮选的采收需求建立期望采收效率预测模型，根据所述期望采收效率预测模型确定期望采收效率预测性能的多个评价指标以及各评价指标的理想化阈值；通过期望采收效率预测性能的多个评价指标对每一种机器学习算法所对应训练完成的采收效率预测模型进行评估，并同步引入网格搜索模型；利用网格搜索模型对所述每一种机器学习算法所对应训练完成的采收效率预测模型进行最优超参数搜索并基于多个评价指标与对应的理想化阈值进行评估，得到每一个采收效率预测模型的优化后评价指标值，通过雷达导图拟合分析所述优化后评价指标值并筛选最优模型，得到训练完成的理想采收效率预测模型；其中，所述利用网格搜索模型对所述每一种机器学习算法所对应训练完成的采收效率预测模型进行最优超参数搜索并基于多个评价指标与对应的理想化阈值进行评估，得到每一个采收效率预测模型的优化后评价指标值，通过雷达导图拟合分析所述优化后评价指标值并筛选最优模型，得到训练完成的理想采收效率预测模型，具体包括以下步骤：评估过程中，通过网格搜索模型对每一种机器学习算法所对应训练完成的采收效率预测模型的最优超参数进行搜索，以根据最优超参数提高优化机器学习算法模型的预测采收效率能力，此时获取每一训练完成的采收效率预测模型输出各评估指标的优化后评价指标值；构建雷达导图，将所述各评估指标的理想化阈值拟合于雷达导图中，生成理想化评价指标雷达导图；在理想化评价指标雷达导图中拟合所述每一训练完成的采收效率预测模型输出各评价指标的优化后评价指标值，得到每一训练完成的采收效率预测模型对应的优化后评价指标雷达导图；获取理想化评价指标雷达导图的雷达面积值，定义为第一雷达面积值，以及获取每个优化后评价指标雷达导图的雷达面积值，定义为第二雷达面积值，并逐一计算第二雷达面积值相较于第一雷达面积值之间的面积差，得到多个面积差值；只提取最小面积差值的优化后评价指标雷达导图对应训练完成的采收效率预测模型，标记该提取的训练完成的采收效率预测模型为理想采收效率预测模型。

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西安理工大学，其通讯地址为：710000 陕西省西安市金花南路5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”。