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！

龙图腾网获悉安徽农业大学申请的专利多目标协同优化的水培生菜营养液浓度时序动态调控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：CN119960317B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202510453353.5，技术领域涉及：G05B13/04；该发明授权多目标协同优化的水培生菜营养液浓度时序动态调控方法是由陈依艺;陈丹艳;张军华;刘永旗;闫凤琳;沙悦;辜丽川;周小波设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本多目标协同优化的水培生菜营养液浓度时序动态调控方法在说明书摘要公布了：本发明涉及多目标协同优化的水培生菜营养液浓度时序动态调控方法，与现有技术相比解决了难以确定与环境交互的水培作物时序动态生长所需的最佳营养液浓度方案的缺陷。本发明包括以下步骤：构建时序群体光合速率预测模型和时序群体水分利用效率预测模型；构建多目标优化模型；求解多目标优化模型的帕累托解集；构建营养液浓度时序调控模型；时序动态调控水培生菜营养液浓度。本发明采用非支配排序多目标遗传算法求解时序群体光合速率预测模型和时序群体水分利用效率预测模型的多目标问题，通过结合均匀分布种群策略、非支配排序、拥挤度计算、精英策略以及种群更新机制获取最优平衡调控目标值，有效解决了植物时序生长的营养液浓度动态调控问题。

本发明授权多目标协同优化的水培生菜营养液浓度时序动态调控方法在权利要求书中公布了：1.一种多目标协同优化的水培生菜营养液浓度时序动态调控方法，其特征在于，包括以下步骤： 11）构建时序群体光合速率预测模型和时序群体水分利用效率预测模型； 所述构建时序群体光合速率预测模型和时序群体水分利用效率预测模型包括以下步骤： 111）采用群体光合速率测量仪分别获取水培生菜全生长周期内的不同营养液浓度下的群体光合速率数据集和群体水分利用效率数据集； 112）采用最小-最大归一化，将数据线性映射到[0，1]区间，公式如下： ， ， ， ， 其中，、、、分别为原始的栽培时间、营养液浓度、群体光合速率、群体水分利用效率数据，、、、分别为归一化后的栽培时间、营养液浓度、群体光合速率、群体水分利用效率数据； 将群体光合速率数据集按8:2的比例划分为训练集和测试集，将群体水分利用效率数据集按8:2的比例划分为训练集和测试集，将群体光合速率数据集和群体水分利用效率数据集，均以栽培时间和营养液浓度为特征，以群体光合速率、群体水分利用效率为标签； 113）选用径向基函数RBF核作为支持向量回归SVR模型的核函数，为二维输入向量，为不同于的二维输入向量，其待优化的惩罚系数C、核参数γ选用量子遗传算法QGA优化，确定种群大小为50，最大迭代次数为100，量子旋转角为0.08π，参数范围C∈[0.05，20]，γ∈[0.0001，10]；以测试集5折交叉验证的决定系数作为评估指标，适应度函数，其中是测试集真实值，是模型预测值，是测试集真实值均值； 114）初始化量子种群，待寻优的惩罚系数C、核参数γ分别用36个量子比特表示，共72个量子比特， 每个量子比特初始化为叠加态，即同时处于基态和的线性组合，一个量子种群由70个量子个体组成，每个个体由72个量子比特构成，编码如下： ， 其中，是一个量子个体的状态，是第i个量子比特的状态，和是72个量子比特的复合量子态，是量子计算中的基态，分别对应经典比特的0和1； 每个量子个体由一个72位的二进制串构成，其中，该二进制串的前36位经解码后得到C，后36位解码后得到γ，解码公式如下： ， ， 其中，、分别表示惩罚系数C、核参数γ的二进制字符串，、分别表示C、γ二进制字符串转换为十进制字符串； 在群体光合速率数据集上，利用解码所得的C、γ对支持向量回归SVR模型进行训练，使用该模型在上进行预测，通过预测结果与真实值之间的差异计算适应度值， 在群体水分利用效率数据集上解码得到的参数组合训练的模型对进行预测，通过预测结果与真实值之间的差异计算适应度值； 115）在每一次迭代中，若当前个体适应度高于种群平均值，量子态向最优解方向旋转0.08π；否则反向旋转，正向更新公式如下： ， 其中，是量子比特的叠加态，是基态，对应经典比特的0和1； 116）最优参数组合的生成：不断迭代直至达到最大迭代次数或适应度收敛，此时所对应的C和γ即为最优参数组合； 117）最优参数构建预测模型：基于时序群体光合速率数据集和时序群体水分利用效率数据集各自的最优参数构建时序群体光合速率预测模型和时序群体水分利用效率预测模型； 12）构建多目标优化模型； 13）求解多目标优化模型的帕累托解集； 所述求解多目标优化模型的帕累托解集为：引入均匀分布种群策略，应用非支配排序多目标遗传算法对多目标优化模型进行求解，获取植株全生长周期内平衡群体光合速率和群体水分利用效率的帕累托解集；包括以下步骤： 131）引入均匀分布种群策略，初始化种群，将生成的佳点集映射到水培营养液浓度的实际范围，固定栽培天数，返回每个个体的二维目标向量； 132）基于群体光合速率预测模型和群体水分利用效率预测模型计算当前迭代中每个个体的群体光合速率ACO2和群体水分利用效率WUE，将种群中的个体按照非支配排序进行分层后，通过拥挤度计算量化同一层级内解的密集程度，优先选择低层级或拥挤度更大的个体； 133）采用锦标赛选择策略以筛选优质个体进入下一代，从种群中随机选取两个个体，优先选择非支配层级更高的个体，若层级相同，选择拥挤度更大的个体，胜出的个体作为父代参与交叉和变异； 134）交叉算子设定为SBX交叉算子，将选中的个体随机配对后，按照0.85的交叉概率进行交叉操作以产生新个体；变异算子采用多项式变异算子，以0.9的变异概率引入变异，维持种群多样性，防止种群陷入局部最优； 135）应用精英策略与种群更新机制保留历史优质解，防止优质解在进化中被淘汰，逼近真实帕累托前沿； 136）在每一代中，基于非支配排序和拥挤度计算，采用锦标赛选择策略筛选出适应度更优的个体作为父代；对父代个体执行SBX交叉算子和多项式变异操作，生成子代种群；将父代与子代合并，通过非支配排序与拥挤度筛选，优先保留非支配层级（F1,F2,…）中的个体；重复上述步骤直至达到预设的最大迭代次数100次，此时帕累托解集的收敛性与分布性趋于稳定，最终获取群体光合速率和群体水分利用效率的帕累托解集； 137）离散时序群体光合速率预测模型和时序群体水分利用效率预测模型，在区间[的栽培天数上重复以上步骤求解，获取时序的帕累托解集，、分别为植株全生长周期的下限、上限； 14）构建营养液浓度时序调控模型：选择帕累托解集中的膝点最优平衡解，采用多项式回归算法构建营养液浓度时序调控模型； 141）采用三次样条插值方法将不均匀不连续的时序帕累托解集变换成均匀连续分布的时序解集； 142）由于群体光合速率和群体水分利用效率两个目标同等重要，即多目标优化的无偏好决策问题，选择帕累托解集中具有成本效益性和边界效用性的膝点，作为群体光合速率和群体水分利用效率两个目标间客观协调和折中的最优平衡解，得到时序的最优平衡解，膝点的公式如下： ， 其中，a是膝点，o是一个帕累托解集的解，L是连接两端端点的弦，Do,L是o到L的法线距离； 143）根据时序的最优平衡解，依据时序群体光合速率预测模型和群体水分利用效率预测模型反映射得到时序的最佳营养液浓度，即营养液浓度时序调控目标值； 144）营养液浓度时序调控模型的构建：以栽培天数为输入，以营养液浓度时序调控目标值为输出，采用多项式回归算法构建营养液浓度时序调控模型； 所述营养液浓度时序调控模型的构建包括以下步骤： 1441）将输入特征扩展为b次多项式特征形式，其模型为： ； 其中是多项式第b次项的系数； 1442）将数据集划分为80%训练集和20%测试集； 1443）使用线性回归模型来拟合多项式特征，而扩展的多项式特征拟合非线性关系，利用Python训练模型学习多项式特征的系数，并在测试集上进行验证，获取的营养液浓度时序调控模型如下： ； 其中，是栽培时间，是水培营养液浓度； 15）时序动态调控水培生菜营养液浓度：将营养液浓度时序调控模型嵌入水培智能监测调控系统，对水培生菜全生长周期内的营养液浓度进行动态调控。

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安徽农业大学，其通讯地址为：230036 安徽省合肥市长江西路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”。