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！

龙图腾网获悉中国科学院沈阳自动化研究所申请的专利一种面向小样本条件下的基于迁移学习的微藻生长曲线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：CN119294237B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411341853.1，技术领域涉及：G06F30/27；该发明授权一种面向小样本条件下的基于迁移学习的微藻生长曲线预测方法是由王卓;江明祺设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本一种面向小样本条件下的基于迁移学习的微藻生长曲线预测方法在说明书摘要公布了：本发明公开一种创新的微藻生长曲线预测方法，该方法针对小样本数据下的微藻生长曲线预测问题，结合Box‑Behnken设计方法，选取关键环境因素，通过最少化环境多样性下的微藻生长曲线样本收集，并纳入光暗周期变量，构建一个精细的微藻生长动力学模型模拟自然光条件下生长变化，生成大量高质量仿真数据。本发明运用先进的Two‑StageTrAdaboost.R2算法合并仿真输出与稀缺实验观测数据，用于LSTM模型训练，旨在增强模型在复杂光照条件预测微藻生长趋势的能力，同时减轻深度学习模型对大规模实地测量数据的依赖。本方法为工业界提供了优化微藻培养参数与精准控制的新策略，有力推动微藻产业的产能增长与效率提升。

本发明授权一种面向小样本条件下的基于迁移学习的微藻生长曲线预测方法在权利要求书中公布了：1.一种面向小样本条件下的基于迁移学习的微藻生长曲线预测方法，其特征在于：所述方法包括以下步骤： 步骤S1、采用Box-Behnken方法制备训练组、拟合组的培养物，获取训练组、拟合组的{关键环境影响因素，长时序液体微藻体系的生物量浓度值}试验数据，所述长时序液体微藻体系生物量浓度值表征微藻生长曲线； 步骤S2、考虑光、暗循环情况，构建基于logistic模型的微藻生长动力学模型；利用该模型以试验数据中拟合组数据为输入进行迭代学习训练得到微藻生长动力学理想模型； 步骤S3、以试验数据中训练组的关键环境影响因素为输入，利用微藻生长动力学理想模型模拟生成微藻体系生物量浓度值的密集动力学仿真数据X″，用于表征动力学生长曲线并输出，实现数据量的泛化增强； 步骤S4、采用LSTM模型作为预测模型，融合试验数据X′与仿真数据X″的{关键环境影响因素，微藻体系生物量浓度值}，使用Two-StageTrAdaboost.R2方法迭代训练预测模型的拟合学习关系得到理想预测模型，使得理想预测模型用于对输入的关键环境影响因素，预测输出对应的微藻体系生物量浓度值； 步骤S5、采集长时序的待检测水样的关键环境影响因素，输入训练好的理想预测模型，自动预测输出长时序的微藻体系生物量浓度值，表征长时序的微藻生长趋势。

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中国科学院沈阳自动化研究所，其通讯地址为：110016 辽宁省沈阳市沈河区南塔街114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。