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！

龙图腾网获悉江西师范大学申请的专利基于改进FHO的双循环神经网络的DO浓度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：CN120015159B 。

龙图腾网通过国家知识产权局官网在2025-09-19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：202510474236.7，技术领域涉及：G16C20/20；该发明授权基于改进FHO的双循环神经网络的DO浓度预测方法是由彭云;王雅婷;黄思成;程贤富设计研发完成，并于2025-04-16向国家知识产权局提交的专利申请。

本基于改进FHO的双循环神经网络的DO浓度预测方法在说明书摘要公布了：本发明公开了基于改进FHO的双循环神经网络的DO浓度预测方法，包括如下步骤：收集水体多维度数据并进行预处理；采用改进变分模态分解将预处理后的水体多维度数据分解为本征模态函数；构建双循环神经网络；通过优化算法对双循环神经网络的超参数寻优，得到最优双循环神经网络，将分解后的本征模态函数输入最优双循环神经网络，输出预测结果；本发明定义了一个新的联合门FUGate，融合LSTM的遗忘门与GRU的更新门，在前向传播过程中，利用其更新隐藏状态和细胞状态，实现更高效的信息流控制；通过结合VMD‑ADMM分解、LSTM、GRU、自注意力机制等技术构建双循环神经网络，显著提高了对复杂时序数据的建模能力。

本发明授权基于改进FHO的双循环神经网络的DO浓度预测方法在权利要求书中公布了：1.基于改进FHO的双循环神经网络的DO浓度预测方法，其特征在于，包括如下步骤： 步骤S1：收集污水处理厂的水体多维度数据并进行预处理； 步骤S2：采用改进变分模态分解将预处理后的水体多维度数据分解为本征模态函数； 改进变分模态分解是采用交替方向乘子法ADMM对变分模态分解进行优化； 步骤S3：构建双循环神经网络； 双循环神经网络的具体结构为：卷积层、批量归一化层、最大池化层、丢弃层、联合门、长短期记忆网络LSTM、门控循环单元GRU、注意力机制层、全连接层、输出层； 步骤S4：通过优化算法对双循环神经网络的超参数寻优，得到最优双循环神经网络，将分解后的本征模态函数输入最优双循环神经网络，本征模态函数依次经过最优双循环神经网络中的卷积层、批量归一化层、最大池化层、丢弃层、联合门、长短期记忆网络LSTM、门控循环单元GRU、注意力机制层、全连接层、输出层，输出DO浓度预测结果； 步骤S3中，将长短期记忆网络LSTM的遗忘门与门控循环单元GRU的更新门的控制逻辑融合为一个联合门FUGate，同时管理长短期记忆网络LSTM的遗忘门与门控循环单元GRU的更新门； 双循环神经网络的超参数包括：卷积层的过滤器数量、长短期记忆网络LSTM单元数、门控循环单元GRU的单元数和丢弃层的丢弃率； 优化算法采用改进火鹰优化算法，改进火鹰优化算法是将原火鹰优化算法FHO与局部搜索结合，并加入了自适应惯性权重所得到，采用改进火鹰优化算法对双循环神经网络的超参数寻优的具体过程为： 将双循环神经网络的超参数编码为统一解向量：； 随机生成初始火鹰种群，火鹰种群中每个火鹰个体表示一个解向量； 计算火鹰种群中每个火鹰个体的适应度值，并根据适应度值将火鹰种群中的火鹰个体重新划分为火鹰个体和猎物； 模拟纵火、驱赶和捕捉策略，对火鹰个体以及猎物的位置进行更新； 对当前种群中的最优火鹰个体进行局部搜索； 当局部搜索满足：，或当前迭代次数达到预设最大迭代次数，输出当前最优解和对应目标函数值，将当前最优解作为最优超参数；表示第个火鹰个体的位置，表示第个火鹰个体经过局部搜索优化后的位置；表示适应度函数值； 水体多维度数据包括温度、pH值、流量、混合液悬浮固体浓度MLSS、出水总氮、出水氨氮、以及氧化沟的缺氧段DO； 预处理过程包括：对收集的水体多维度数据进行清洗，去除缺失值和异常值；对清洗后的水体多维度数据进行归一化处理。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。

以上内容由龙图腾AI智能生成。