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！

龙图腾网获悉江西省科学院微生物研究所(江西省流域生态研究所);湖北省地质环境总站;湖北省地质局第六地质大队申请的专利一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的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：CN119418804B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411536377.9，技术领域涉及：G16C20/20；该发明授权一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法是由池泽涌;吴永明;高杰;唐志;刘亚军;刘翔敏;李荣富;邓觅设计研发完成，并于2024-10-31向国家知识产权局提交的专利申请。

本一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法在说明书摘要公布了：本发明涉及一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法，属于生态环保领域，包括以下步骤：采集研究区域土壤样品，获取土壤样品的理化性质数据；开展室内吸附实验，获取不同实验条件下污染物的吸附量数据；采用线性规划算法计算土壤样品的矿物定量组成；整理和划分数据集，训练神经网络模型，使用优化算法获取最优超参数以获得最佳的预测模型；将神经网络模型用于土壤污染物吸附量预测。本发明合理假设污染物吸附量受到土壤中矿物的种类和含量、活性铁形态和含量、土壤粒度和环境条件的共同控制，采用线性规划算法获取土壤中矿物的定量组成数据，以此为输入参数训练神经网络模型，并使用优化算法获取最优超参数，提高了神经网络预测土壤污染物吸附量时的预测精度、泛化能力和预测能力。

本发明授权一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法在权利要求书中公布了：1.一种基于线性规划、优化算法和神经网络联合使用预测污染物在土壤中吸附量的方法，其特征在于，包括以下步骤： 步骤1：采集研究区域土壤样品，获取土壤样品的理化性质数据； 步骤2：开展室内吸附实验，获取不同实验条件下污染物的吸附量数据； 步骤3：采用线性规划算法计算土壤样品的矿物定量组成；具体包括如下子步骤： S301，根据步骤1中鉴定的矿物成分的分子式，将分子式按照元素组成和元素的相对原子质量换算成矿物标准组成和灼烧失量质量分数的形式； S302，基于步骤1中获取的土壤样品化学组分定量组成数据和步骤1中获取的土壤样品烧失量数据，以子步骤S301中换算的矿物标准组成为限制条件，以土壤化学组分绝对误差和为判断最优解的条件，使用Matlab软件的Linprog函数，通过线性规划算法计算土壤的矿物定量组成； 线性规划算法如下： A11W1+A12W2+…+A1nWn+α1-β1＝P1 A21W1+A22W2+…+A2nWn+α2-β2＝P2 Am1W1+Am2W2+…+AmnWn+αm-βm＝Pm W1,W2,…,Wn≥0 α1,α2,…,αm≥0 β1,β2,…,βm≥0 其中，n是样品中含有的矿物组分个数，m为矿物组分涉及的化学组分个数，Amn为第n种矿物的分子式中第m种组分的占比；Wn是样品中第n种矿物的占比；Pm是样品中第m种化学组分的占比；αm和βm是计算的正误差和负误差； 步骤4：整理和划分数据集，训练神经网络模型，使用优化算法获取最优超参数以获得最佳的预测模型；其中，输入参数包括土壤铁形态提取数据、土壤矿物定量组成数据、土壤粒度级配数据和待预测条件实测数据，输出数据为土壤污染物吸附量数据； 步骤5：将神经网络模型用于土壤污染物吸附量预测。

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省科学院微生物研究所(江西省流域生态研究所);湖北省地质环境总站;湖北省地质局第六地质大队，其通讯地址为：330000 江西省南昌市高新技术开发区昌东大道7777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。