龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：青岛理工大学
申请日：2024-05-27
公开（公告）日：2024-06-21
公开（公告）号：CN118228766A
主分类号：G06N3/0442
分类号：G06N3/0442;G06N3/0464;G06N3/048;G06N3/08;G01N33/18
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及城一种基于卷积层和自注意力机制的出水氨氮浓度测量方法，包括步骤1：构建易测变量样本数据集；步骤2：构建卷积层，将易测变量代入卷积函数进行处理，卷积函数对其输出数据应用一个非线性激活函数；步骤3：设置自注意力机制函数，对数据进行降噪；步骤4：构建基于卷积函数和自注意力机制函数的长短期记忆神经网络模型，得到测量模型；步骤5：通过自适应贝叶斯优化策略，对测量模型的模型参数进行调节和优化，获得最优检测模型；步骤6：获取最终出水氨氮浓度。与现有技术相比，本发明在成本、噪声抑制、泛化能力、实时响应和检测精度方面具有显著优势，为城市污水处理领域提供了更为高效和可靠的氨氮浓度测量方法。
主权项：1.一种基于卷积层和自注意力机制的出水氨氮浓度测量方法，其特征在于，包括以下步骤：步骤1：收集影响出水氨氮浓度的易测变量，构建易测变量样本数据集；步骤2：引用卷积函数构建卷积层，将易测变量代入卷积函数进行处理，得到数据特征，卷积函数对其输出数据应用一个非线性激活函数；步骤3：设置自注意力机制函数，将卷积函数得到的数据特征输入到所述自注意力机制函数，自注意力机制函数通过学习不同通道之间的非线性关系对数据进行降噪；步骤4：构建基于卷积函数和自注意力机制函数的长短期记忆神经网络模型，对步骤1-3收集的影响的因素进行建模，得到出水氨氮浓度的测量模型；步骤5：通过自适应贝叶斯优化策略，对测量模型的模型参数进行调节、优化，设定目标函数，引入高斯过程作为起始的先验分布，依据观测数据，计算后验分布的均值与方差，并通过自适应采样函数来依据现有的观测数据动态调整，以确定下一步的观测点，获得最优检测模型；步骤6：将获得的影响出水氨氮浓度的变量，输入到最优检测模型中，可获取最终出水氨氮浓度。
全文数据：
权利要求：
百度查询： 青岛理工大学 一种基于卷积层和自注意力机制的出水氨氮浓度测量方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号