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！

龙图腾网获悉青岛理工大学申请的专利一种基于神经网络与贝叶斯优化的出水氨氮浓度测量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：CN120144969B 。

龙图腾网通过国家知识产权局官网在2025-07-18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：202510614762.9，技术领域涉及：G06F18/20；该发明授权一种基于神经网络与贝叶斯优化的出水氨氮浓度测量方法是由权利敏;张勇;苏哲;穆国庆;张民设计研发完成，并于2025-05-14向国家知识产权局提交的专利申请。

本一种基于神经网络与贝叶斯优化的出水氨氮浓度测量方法在说明书摘要公布了：本发明属于污水处理与人工智能技术领域，具体的涉及一种基于神经网络与贝叶斯优化的出水氨氮浓度测量方法，包括步骤1：构建基础模型，采集特征变量x，对x进行预处理，将x归一化；步骤2：将x输入基础模型进行特征提取与强化；步骤3：将特征提取与强化之后的x通过双向长短期记忆神经网络提取特征序列的长期时序特征，动态调整输入步长，捕捉序列中的双向时间依赖关系，并输出预测值；步骤4：并行贝叶斯优化算法，动态调整采集函数，同时评估多个候选点，并行自适应采集函数，输出测量值。本方案能够根据优化过程的不同阶段动态调整采集函数，提升参数空间覆盖率，同时评估多个候选点，加快参数空间的探索速度，增强模型的泛化能力。

本发明授权一种基于神经网络与贝叶斯优化的出水氨氮浓度测量方法在权利要求书中公布了：1.一种基于神经网络与贝叶斯优化的出水氨氮浓度测量方法，其特征在于，包括以下步骤： 步骤1：构建具有时序卷积层、注意力机制和双向长短期记忆神经网络的基础模型，采集与出水氨氮浓度预测相关的特征变量x，计算皮尔逊相关系数，根据皮尔逊相关系数保留特征变量x，对保留的所述特征变量x进行预处理，采用Min-Max方法将各特征变量x归一化至[0，1]区间； 步骤2：将特征变量x输入所述基础模型进行特征提取与强化，通过时序卷积层TCL提取时间序列数据中的局部依赖关系，通过SE注意力机制对特征进行重标定，增强关键特征的响应并抑制噪声，包括： 步骤2-1：通过时序卷积层TCL提取时间序列数据的局部依赖关系，TCL的输出x c 计算公式为： ，其中，δ⋅是ReLU激活函数，用于引入非线性特性，W k,c,c′是卷积核的权重矩阵，x t+k,c 是输入数据在时间步t+k和输入通道c处的值，b c′是偏置项，b∈R c′； 步骤2-2：通过SE注意力机制对特征变量x进行重标定，增强关键特征的响应并抑制噪声，执行通道的重标定，将激励后得到的权重s应用到原始输入特征，包括： 步骤a：进行压缩，使用全局平均池化生成一个通道描述符z c′′，用来强调全局分布的空间信息，公式为：，其中，x ijc ′′表示高度为i宽度为j处第c′′个通道的特征值，H和W分别代表输入通道的高度和宽度； 步骤b：SE注意力机制通过使用压缩比率r来减少参数和复杂度，并利用ReLU激活函数增加非线性； 步骤c：通过sigmoid函数计算每个通道的权重，实现特征的有效重标定，通过两个全连接层的权重M 1和M 2计算激励的输出s为：，其中，M 1∈R c′′×c′′r，M 2∈R c ′′r×c′′，z由c′′个通道描述符组成，z∈R c′′×1是压缩步骤的输出，s∈R c′′×1，σ为sigmoid激活函数； 步骤d：执行通道的重标定，将激励后得到的权重s应用到原始输入特征，对于每个通道，其重标定的输出为：，其中，s c′′是通道c′′的权重，x c′′是通道c′′的原始输入特征，x s 是SE重标定后的输出； 步骤3：将特征提取与强化之后的特征变量x通过引入了自适应机制的双向长短期记忆神经网络提取特征序列的长期时序特征，动态调整输入步长，适应数据中不同时间段的变化，捕捉序列中的双向时间依赖关系，并输出预测值； 步骤4：并行贝叶斯优化算法，根据优化过程的不同阶段动态调整采集函数，同时评估多个候选点，并行自适应采集函数，输出测量值。

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青岛理工大学，其通讯地址为：266033 山东省青岛市市北区抚顺路11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”。