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！

龙图腾网恭喜华东理工大学申请的专利连续催化重整工艺过程关键参数的集成学习在线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：CN112749849B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202110068102.7，技术领域涉及：G06Q10/04；该发明授权连续催化重整工艺过程关键参数的集成学习在线预测方法是由钟伟民;杜文莉;钱锋;彭鑫;李智设计研发完成，并于2021-01-19向国家知识产权局提交的专利申请。

本连续催化重整工艺过程关键参数的集成学习在线预测方法在说明书摘要公布了：本发明涉及连续催化重整工艺领域，更具体的说，涉及一种连续催化重整工艺过程关键参数的集成学习在线预测方法。本方法包括以下步骤：S1、选取连续催化重整工艺的辅助变量和主要变量；S2、对过程数据样本集进行预处理，生成数据集；S3、对数据集进行划分；S4、从训练数据集中选择spn个数据样本作为总体数据集，剩余数据样本作为校正数据集，分别将总体数据集作为子训练集构建三个自适应回归子模型；S5、从校正数据集中依次提取数据样本，更新对应的自适应回归子模型；S6、将评估数据集应用到每个自适应回归子模型中，建立集成模型；S7、基于输入的辅助变量，预测主要变量。本发明有效地提高了模型在连续催化重整工艺中的预测精度。

本发明授权连续催化重整工艺过程关键参数的集成学习在线预测方法在权利要求书中公布了：1.一种连续催化重整工艺过程关键参数的集成学习在线预测方法，其特征在于，包括以下步骤：S1、选取连续催化重整工艺的辅助变量和主要变量，进行数据采集形成过程数据样本集，所述辅助变量反应连续催化重整工艺过程的运行状况，所述主要变量反映成品的品质；S2、对采集的连续催化重整工艺的过程数据样本集进行预处理，生成数据集；S3、对数据集进行划分，包括训练数据集、评估数据集和测试数据集；S4、从训练数据集中选择spn个数据样本作为总体数据集，剩余数据样本作为校正数据集，分别将总体数据集作为子训练集构建三个自适应回归子模型，三个自适应回归子模型包括反映时变特征的基于局部加权偏最小二乘法的移动窗口模型、反映突变特征的基于局部加权偏最小二乘法的时间差分模型和反映非线性特征的基于局部加权偏最小二乘法的即时学习模型；S5、从校正数据集中依次提取数据样本，对每个自适应回归子模型进行验证，将当前数据样本添加到估计误差值最小的自适应回归子模型的子训练集中，更新对应的自适应回归子模型；S6、将评估数据集应用到每个自适应回归子模型中，计算每个自适应回归子模型的预测值的均方根误差，采用贝叶斯估计确定每个自适应回归子模型的权重系数，建立集成模型；S7、采用构建的集成模型，基于输入的辅助变量，预测主要变量的最终输出值；所述步骤S1中：辅助变量，包括再接触温度、分液罐温度、加氢裂化石脑油、石脑油、反应器温度、分离罐压力、循环氢流量、初级烷烃含量、压缩机压力、回流流量、托盘温度、底部温度和一号反应器出口温度；主要变量，为辛烷值，对应的表达式如下， 其中，YRON、YC6和YC7+为连续催化重整工艺过程的输出测量值参数，XFeed为连续催化重整工艺过程的进料变量；所述步骤S6，计算每个自适应回归子模型的预测值的均方根误差，表达式如下：第i个自适应回归子模型的预测值的均方根误差RMSEi， 其中，yd代表实际值，ydp,i代表第i个自适应回归子模型的预测值，D表示评估数据集的评估样本个数。

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华东理工大学，其通讯地址为：200237 上海市徐汇区梅陇路130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”。