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！

龙图腾网恭喜浙江工业大学申请的专利一种生物质热电联产系统污染物排放浓度的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：CN115455813B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202211036317.1，技术领域涉及：G06F30/27；该发明授权一种生物质热电联产系统污染物排放浓度的预测方法是由何德峰;孙芷菲;刘明裕;王秀丽;李廉明设计研发完成，并于2022-08-28向国家知识产权局提交的专利申请。

本一种生物质热电联产系统污染物排放浓度的预测方法在说明书摘要公布了：本发明涉及一种生物质热电联产系统污染物排放浓度的预测方法，建立生物质热电联产系统污染物排放浓度的预测模型及关联函数体系；对预测模型及关联函数体系的参数进行初始化，并离线训练预测模型，获取预测模型中的参数变量，以训练后的预测模型获得生物质热电联产系统污染物排放的预测浓度；方法可应用于生物质热电联产系统，通过输入若干变量数据，由预测模型及关联函数体系输出预测的系统污染物排放浓度。本发明设计简单、容易理解、实用性强、实用性广，具有极强的可解释性，能在保证预测精度的前提下，极大程度地缩短运行时间。

本发明授权一种生物质热电联产系统污染物排放浓度的预测方法在权利要求书中公布了：1.一种生物质热电联产系统污染物排放浓度的预测方法，其特征在于：所述方法给定污染物排放浓度的历史数据集为，，，其中，表示生物质热电联产系统各变量数据组成的输入矩阵，表示生物质热电联产系统污染物排放浓度，n为样本索引，共N个样本；建立生物质热电联产系统污染物排放浓度的预测模型及关联函数体系；模型为式1， 1其中，，表示生物质热电联产系统的随机噪声，服从均值为0、方差的逆为的高斯分布，w表示权重向量，,，为1至N的整数；在已知生物质热电联产系统的输入变量和污染物浓度的观测值下，生物质热电联产系统污染物排放浓度的均值表示为式2， 2其中，，是基向量，，；，是一个核函数，不受正定核的限制；所述污染物排放浓度关联函数体系包括排放浓度相关权重的先验概率密度函数、排放浓度相关权重的后验概率密度函数、排放浓度相关权重精度及随机噪声精度的对数似然函数、排放浓度相关权重精度及随机噪声精度的快速边际似然函数；建立排放浓度相关权重的先验概率密度函数，生物质热电联产系统污染物排放浓度服从独立分布，则的似然函数为式3， 3其中，为的矩阵；对权值w进行约束，令其服从均值为0的先验高斯分布，其先验条件概率密度函数为式4， 4其中，，表示对应权重的精度，；基于排放相关权重的先验概率密度函数，根据贝叶斯定理，建立排放浓度相关权重的后验概率密度函数为式5， 5其中，为后验分布的协方差，为均值，，，，diag表示对角矩阵；基于给定的污染物排放浓度数据xn，对权重w积分，建立排放浓度相关权重精度及随机噪声精度的对数似然函数，首先建立式6， 6其中，矩阵是一个的矩阵，；对式6取对数，得到式7， 7建立排放浓度关于权重精度及随机噪声精度的快速边际似然函数，对式7进行变换，得式8， 8其中，为稀疏因子，用于度量基函数与模型中已经存在的基函数的重叠程度，基函数为基向量中的元素，的表达式为；为质量因子，用于衡量除去基函数后模型产生的误差，表达式为；对关于权重精度求导令其为零，得到式9， 9同理求解随机噪声精度的表达式，最大化式（6）令其导数为零，得到式10， 10其中，是后验方差的第m个对角元素；对预测模型及关联函数体系的参数进行初始化，并离线训练预测模型，获取预测模型中的参数变量，以训练后的预测模型获得生物质热电联产系统污染物排放的预测浓度；对训练完成后的模型，给定生物质热电联产系统变量的数据值，相应的污染物浓度的预测值满足式11的概率密度函数， 11其中，、分别为通过快速边际似然函数得到的排放浓度相关权重精度及随机噪声精度的值。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。