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！

龙图腾网获悉西南科技大学申请的专利基于时序卷积网络的高放玻璃固化体浸出行为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：CN116741319B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202310698026.7，技术领域涉及：G16C60/00；该发明授权基于时序卷积网络的高放玻璃固化体浸出行为预测方法是由代云雅;丛雨桐;竹含真;王辅;廖其龙;康昭设计研发完成，并于2023-06-13向国家知识产权局提交的专利申请。

本基于时序卷积网络的高放玻璃固化体浸出行为预测方法在说明书摘要公布了：本发明提供一种基于时序卷积网络的高放玻璃固化体浸出行为预测方法，包括以下步骤：1数据预处理；2预测模型设计；3元素浸出行为预测。本发明采用时序卷积网络作为预测模型结构，能有效提高对高放玻璃固化体浸出行为预测准确率。采用ALTGLASS国际数据库作为训练集对模型进行训练，避免以往研究中从文献或实验中获取训练集数据所带来的实验条件不一致、数据量不足的问题。

本发明授权基于时序卷积网络的高放玻璃固化体浸出行为预测方法在权利要求书中公布了：1.基于时序卷积网络的高放玻璃固化体浸出行为预测方法，其特征在于，包括以下步骤： 1数据预处理 在ALTGLASS数据集中选择在90℃±2℃下的去离子水中获得的高放玻璃固化体静态浸出数据；根据元素在浸出液中的浓度通过式1计算元素归一化质量损失Qi： 式中：Qi单位为gm2；Ci为元素在浸出液中的浓度，单位为gL；fi为元素在玻璃样品中的质量分数；SAV为样品表面积与浸出液体积之比，单位为m2L；采用式2对数据进行归一化处理： 式中：Yi为归一化结果；xi为当前数据；xmin和xmax分别为数据的最小值和最大值； 在训练开始前，分别随机划分数据作为训练集、验证集和测试集； 2预测模型设计 以浸出持续时间、SAV、样品密度、浸出液pH、样品组分总计43维数据作为输入特征，元素的浸出预测值作为输出特征；预测模型利用Python语言编写，其结构由input层、Keras包tcn层、Dense组成，tcn层采用43时间步；将训练集作为输入数据集对时序卷积网络模型进行训练，训练过程中利用验证集MAE值对训练效果进行判断以避免过拟合；训练结束后获得该元素浸出行为预测模型； 3元素浸出行为预测 利用Python读入训练好的元素浸出行为预测模型，对浸出行为预测所需的输入特征数据集进行如上归一化处理后提交给模型，即可获得元素浸出的预测值。

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西南科技大学，其通讯地址为：621010 四川省绵阳市涪城区青龙大道中段59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”。