申请/专利权人：江西匠制科技有限公司

申请日：2024-05-30

公开（公告）日：2024-06-25

公开（公告）号：CN118247109A

主分类号：G06Q50/26

分类号：G06Q50/26;G06N3/0442;G06N3/0464;G06N3/084;G06F18/15;G06F18/27;G06N3/006

优先权：

专利状态码：在审-公开

法律状态：2024.06.25#公开

摘要：本发明公开了基于异形网格化的环境污染溯源分析方法，方法包括数据采集、数据预处理、建立环境污染溯源模型和环境污染溯源分析。本发明属于环境污染溯源技术领域，具体是指基于异形网格化的环境污染溯源分析方法，本方案通过构建异形网格，构建各区域的环境污染溯源模型；基于误差数据来调整和改进模型，从而逐步减少误差；通过将多个回归模型组装成最终模型，所使用的损失函数更关注分类样本，实现快速降低损失值，提高模型预测性能；基于局部搜索和全局搜索对粒子位置进行更新，丰富种群多样性；引入反向学习的机制，能够通过生成反向位置来探索搜索空间中未被发现的区域，从而避免陷入局部最优解；进而实现对环境污染溯源模型的参数优化。

主权项：1.基于异形网格化的环境污染溯源分析方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：数据预处理，对采集的数据进行数据清洗、格式化处理和构建异形网格；步骤S3：建立环境污染溯源模型，基于每次迭代的误差数据来调整和改进模型；通过将各回归模型组装成最终模型；并对模型参数优化；步骤S4：环境污染溯源分析；所述步骤S3包括步骤S31模型架构设计、步骤S32模型前向传播、步骤S33模型训练和步骤S34环境污染溯源模型参数优化；所述步骤S33包括步骤S331基于训练集初始化回归模型、步骤S332迭代训练模型、步骤S333计算归一化的误差损失值和步骤S334计算模型输出；步骤S333具体为：计算归一化的误差损失值，若迭代时归一化的误差损失值0.05，则停止迭代，将每次迭代的回归模型组装，表示为，并转至步骤S334；其中，是最终组装的回归模型，和分别是第2次和第k次迭代时的回归模型，回归模型指的是环境污染溯源模型中的LSTM层和全连接层；否则，构造模型输入为[xtr,Ri]，xtr是训练集中输入数据，Ri是误差数据；重复步骤S332；计算误差损失值所用公式如下： ；式中，L是误差损失值；yc是对类别c的样本中的预测标签；pc是对类别c的预测概率值；α和γ分别是权重因子和指数因子。

全文数据：

权利要求：

百度查询： 江西匠制科技有限公司 基于异形网格化的环境污染溯源分析方法

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