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！

龙图腾网获悉中电建生态环境集团有限公司申请的专利一种基于CEEMDAN分解与PSO优化BiLSTM的厌氧消化过程多目标预测方法及系统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：CN118658543B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202410777300.4，技术领域涉及：G16C20/10；该发明授权一种基于CEEMDAN分解与PSO优化BiLSTM的厌氧消化过程多目标预测方法及系统是由余艳鸽;平扬;孔德安;曹广丽;张振洲;商放泽;储李节;闫笑川;刘冰峰;陈秋宇;徐浩;陈杰设计研发完成，并于2024-06-17向国家知识产权局提交的专利申请。

本一种基于CEEMDAN分解与PSO优化BiLSTM的厌氧消化过程多目标预测方法及系统在说明书摘要公布了：本发明提供一种基于CEEMDAN分解与PSO优化BiLSTM的厌氧消化过程多目标预测方法及系统，属于厌氧消化产物预测领域。为解决厌氧消化过程混合建模时仅能对单一目标预测，无法实现对多目标的同步预测，且由于厌氧消化过程的复杂性和非线性，难以获取单一目标准确预测的问题。本发明借助CEEMDAN‑SSA算法来处理非平稳信号，随后借助PSO算法优化BiLSTM中超参数，通过不断训练得到的最优的模型，最后将处理后的平稳的信号输入混合模型中来进行最终的预测。本发明能够进行预测多目标的同步预测，对厌氧消化性能以及后续纯化有重要的指导意义；有效降低过拟合风险，提高预测准确性和鲁棒性，具有广泛的应用价值。

本发明授权一种基于CEEMDAN分解与PSO优化BiLSTM的厌氧消化过程多目标预测方法及系统在权利要求书中公布了：1.一种基于CEEMDAN分解与PSO优化BiLSTM的厌氧消化过程多目标预测方法，其特征在于，包括以下步骤：S100、收集并预处理厌氧消化各产物产量的非平稳和非线性时间序列数据，包括数据收集、数据预处理和数据划分；S200、利用CEEMDAN-SSA算法对S100预处理后的数据进行分解，提取多个内在模态函数IMFs和一个残差项，再将得到含噪声最大的IMF1输入至SSA进行降噪处理，所述CEEMDAN过程包括：S210、添加白噪声，向原始信号Xt添加标准差为ε的白噪声unt，形成新的信号序列Xnt＝Xt+εunt，其中n＝1,2,...,K，K表示实现的次数；S220、EMD分解，对每次实现后的信号进行EMD分解，计算第一个IMF： S230、计算剩余，将第一阶段分解后剩余部分计算为r1t＝Xt-Imf1t；然后将r1t+ε1EMD1unt通过EMD进一步分解以计算第二个IMF模式和相应的残差；S240、第k阶段分解，对于第k阶段，第k个残差和第k+1个IMF通过以下公式计算：rkt＝rk-1t-Imfkt S250、重复上述步骤直到残差rkt不再被分解；最终，原始信号Xt被分解为： 其中，N为样本数；Rt是最终的残余部分，即残差项；S300、采用粒子群优化算法优化BiLSTM网络的结构参数，包括设计一个双向长短期记忆网络，使用粒子群优化算法对其参数进行优化，所述参数包括学习率α、网络层数L和每层的神经元数量Nl，以达到预测准确性的最大化，包括：S310、在设计双向长短期记忆网络时，为使BiLSTM在验证集上的误差最小，定义一个适应度函数F，其基于均方误差损失为： 其中，yi为真实数据，为预测数据；适应度函数定义为：F＝LossvalidationBiLSTMP其中，P是BiLSTM模型的一个参数向量，包括学习率和每层的神经元数量；S320、采用粒子群优化算法优化BiLSTM网络，包括：S321、初始化，设定BiLSTM的参数范围并初始化PSO的参数；S322、评估初始解，对于每个粒子，使用其当前位置的BiLSTM参数进行训练，并在验证集上计算适应度函数值；S323、更新速度和位置，对于每个粒子，比较其当前适应度函数值与个体最佳的适应度函数值及全局最佳的适应度函数值，如果当前适应度函数值优于个体最佳的适应度函数值，更新个体最佳位置及其适应度函数值；如果当前适应度函数值优于全局最佳的适应度函数值，更新全局最佳位置及其适应度函数值；使用以下公式更新粒子的速度和位置： 其中，是粒子i在时间t的速度，w是惯性权重，c1和c2是学习因子，r1和r2是[0,1]之间的随机数，pbesti是粒子i的个体最佳位置，gbest是全局最佳位置；S324、评估新的解，使用更新后的BiLSTM参数，重新训练神经网络，并计算适应度函数值；S325、更新个体最佳粒子和全局最佳粒子，再次比较新粒子的适应度函数值与个体最佳适应度函数值和全局最佳适应度函数值，并据此更新；S326、检查停止条件，当达到最大迭代次数时，终止算法；S327、返回最佳解，返回全局最佳位置，定义BiLSTM的最佳配置；S400、将CEEMDAN-SSA提取的特征作为BiLSTM网络的输入，进行各产物产量的预测，使用误差函数E最小化网络参数，将各模态分量得到的预测值进行相加，得到对应的预测结果，包括：S410、设输入层、隐藏层和输出层的神经元数分别为ninput、nhidden和noutput；S420、前向传播与误差计算，给定一个输入向量X，输入向量X被馈送到输入层，通过权重和激活函数的操作，信息在隐藏层中被处理，最终在输出层产生输出向量Y；所述误差函数E为均方误差，均方误差为： S430、反向传播与权重更新，在训练BiLSTM时，使用反向传播算法计算误差关于每个权重的偏导数，权重的更新遵循负梯度方向： 其中，α是学习率；S440、训练过程，训练BiLSTM包括初始化网络权重，然后对每个训练样本或小批量样本进行前向传播、误差计算、反向传播和权重更新，直到达到预设的停止标准；S450、最终预测的获取，将处理后的各分量平稳信号输入步骤S440训练后的优化模型，获取各分量的预测值，并将这些预测值相加后得到最终的预测结果。

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电建生态环境集团有限公司，其通讯地址为：518102 广东省深圳市宝安区海纳百川大厦A座；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”。