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！

龙图腾网获悉浙江大学申请的专利基于PLS-LSBoost梯度提升树的辐照白酒生产工艺优化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：CN115910223B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211400288.2，技术领域涉及：G16C20/10；该发明授权基于PLS-LSBoost梯度提升树的辐照白酒生产工艺优化方法是由华跃进;安冬月;王梁燕设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本基于PLS-LSBoost梯度提升树的辐照白酒生产工艺优化方法在说明书摘要公布了：本发明公开了一种基于PLS‑LSBoost梯度提升树的辐照白酒生产工艺优化方法。本发明首次运用PLS‑LSBoost梯度提升树模型，根据浓香型白酒辐照过程中挥发性风味成分的变化数据，建立由挥发性风味成分预测辐照工艺参数的模型，其中根据需要可由偏最小二乘（PLS）提取主成分提高模型性能；使用以上模型对不同年份的自然陈酿酒进行预测，获得达到对应陈酿效果所需的辐照技术参数，从而对辐照技术参数进行优化。本发明提供的辐照催陈参数优化方法可以作为实验摸索辐照工艺条件的补充，节省时间和劳力，同时可为其他人工催陈技术的工艺优化提供方法上的参考。

本发明授权基于PLS-LSBoost梯度提升树的辐照白酒生产工艺优化方法在权利要求书中公布了：1.一种基于PLS-LSBoost梯度提升树的辐照白酒生产工艺优化方法，其特征在于，包括以下步骤： 1获得辐照剂量、储存温度、超声时间三个参数组合的辐照白酒酒样和不同年份的自然陈酿白酒酒样，采用直接进样气相色谱-质谱联用和静态顶空气相色谱-质谱联用分析技术对酒样的挥发性风味成分进行测定；利用ALS算法补全缺失值后，通过偏最小二乘将挥发性风味成分数据进行降维处理，提取出辐照白酒样品在主成分上的得分； 2分别以辐照剂量、储存温度、超声时间为响应变量，以挥发性风味成分原始数据或PLS主成分得分为预测变量，建立经Bayesian算法优化的LSBoost模型和PLS-LSBoost模型； 3计算LSBoost模型和PLS-LSBoost模型的预测变量重要性得分，对模型的预测变量进行筛选，提高模型预测能力； 4计算LSBoost模型和PLS-LSBoost模型的化合物重要性得分，筛选白酒体系中与辐照相关的特征化合物； 5将自然陈酿白酒的挥发性成分输入最佳模型，输出得到辐照参数值的组合，即为获得特定陈化效果所需要的最佳辐照催陈工艺参数组合，达到工艺优化的目的； 所述的PLS-LSBoost模型建立和优化，包括： a预测变量的选择：分别以辐照剂量、储存温度和超声时间为响应变量，以辐照白酒样品在19个PLS提取出的主成分上的得分为预测变量，通过Bayesian参数优化建立初始的LSBoost模型；按照公式计算每个预测变量的重要性得分，其中，分别为化合物或主成分xj在提升树集合中和在单个树中的相对重要性得分，M是树的个数，J是树T的叶子节点个数；vt是在节点t上的分割变量，是因分割产生的平方误差的减小量；对预测变量进行筛选，以避免过拟合的发生，提高模型的泛化能力；通过交叉验证计算每个模型的交叉验证误差MSEcv和决定函数R2cv，用来表征模型的预测能力；随着预测变量数目的减少，MSEcv先降低后升高，R2cv与之相反，MSEcv最小值对应的模型即为最佳模型；辐照剂量、储存温度和超声时间模型的最佳预测变量数目分别为2，2，4； b对于每一组预测变量，使用Bayesian算法，通过搜索最佳学习速率、学习循环数和最大分割数组合，建立一系列LSBoost模型，最小化目标函数，即交叉验证的MSEcv。

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大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。