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！

龙图腾网获悉上海交通大学申请的专利一种蓝藻生长的预测方法和智能调控装置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：CN119312274B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411347580.1，技术领域涉及：G06F18/25；该发明授权一种蓝藻生长的预测方法和智能调控装置是由张景新;喻琛;彭颖红;戚进;吴天奇设计研发完成，并于2024-09-25向国家知识产权局提交的专利申请。

本一种蓝藻生长的预测方法和智能调控装置在说明书摘要公布了：本发明公开了一种蓝藻生长的预测方法和智能调控装置，涉及蓝藻生长预测和调控领域，包括蓝藻生长相关数据采集，数据预处理，随机森林模型构建，SVM模型构建，最终随机森林预测模型和最终SVM预测模型进行模型加权融合得到融合模型，融合模型的动态优化，最后得到动态优化后的融合模型，并将传感器模块实时采集的蓝藻生长相关数据根据动态优化后的融合模型得到实时预测结果，据此实时调整蓝藻生长培养条件。本发明通过将随机森林模型和SVM模型的优势结合，开发了具有动态优化和实时调整功能的融合模型，显著提高了蓝藻生长预测的准确性和适应性。同时整合了数据采集、处理和预测模块，显著提高了蓝藻生长预测的准确性和系统的自动化程度。

本发明授权一种蓝藻生长的预测方法和智能调控装置在权利要求书中公布了：1.一种蓝藻生长的预测方法，其特征在于，所述方法包括以下步骤： 步骤1、蓝藻生长相关数据采集， 步骤2、数据预处理，所述数据预处理包括将所述蓝藻生长相关数据进行异常值处理、数据归一化、数据格式调整，得到预处理后的数据集； 步骤3、随机森林模型构建，包括以下步骤： 步骤3.1、将所述预处理后的数据集按70％和30％随机分为第一训练集和第一测试集； 步骤3.2、在所述第一训练集上进行随机森林模型训练，使用袋外误差评估所述随机森林模型的性能，调整所述随机森林模型的超参数，当训练袋外误差不再降低时，完成训练，得到训练后随机森林预测模型； 步骤3.3、用所述第一测试集对所述训练后随机森林预测模型进行评估，计算评估指标，判断所述评估指标是否满足准确性要求，当满足所述准确性要求时，得到最终随机森林预测模型，否则返回执行步骤3.2； 步骤3.4、在所述最终随机森林预测模型上用所述预处理后的数据集进行训练，得到预处理后的数据集上的随机森林蓝藻生物量预测结果； 步骤4、SVM模型构建，包括以下步骤： 步骤4.1、将步骤3.4所述预处理后的数据集上的随机森林蓝藻生物量预测结果和步骤2所述预处理后的数据集结合得到合并后的数据集，将所述合并后的数据集进行归一化处理后按70％和30％的比例随机分为第二训练集和第二测试集； 步骤4.2、在所述第二训练集上进行SVM模型训练，使用交叉验证评估所述SVM模型的性能，调整所述SVM模型的超参数，当交叉验证的误差不再降低，完成训练，得到训练后SVM预测模型； 步骤4.3、使用第二测试集对所述训练后SVM预测模型进行评估，计算所述评估指标，判断所述评估指标是否满足准确性要求，当满足所述准确性要求时，得到最终SVM预测模型，否则返回执行步骤4.2； 步骤5、将所述最终随机森林预测模型和所述最终SVM预测模型进行模型加权融合得到融合模型，包括以下步骤： 步骤5.1、将所述预处理后的数据集分为第三训练集和验证集； 步骤5.2、在所述第三训练集上进行交叉验证，所述交叉验证为分别在所述最终随机森林预测模型和所述最终SVM预测模型上用所述第三训练集进行训练，得到所述第三训练集上的随机森林蓝藻生物量预测结果和SVM模型蓝藻生物量预测结果，对所述第三训练集上的随机森林蓝藻生物量预测结果和SVM模型蓝藻生物量预测结果设置为不同的权重组合，计算每个所述权重组合的交叉验证均方误差和交叉验证平均绝对误差均； 步骤5.3、在所述验证集上进行实验验证，所述实验验证为分别使用所述最终随机森林预测模型和所述最终SVM预测模型在所述验证集上进行预测，得到所述验证集上的随机森林模型蓝藻生物量预测结果和SVM模型蓝藻生物量预测结果，对所述验证集上的随机森林模型蓝藻生物量预测结果和SVM模型蓝藻生物量预测结果应用所述不同的权重组合，计算并记录每个所述权重组合下的实验验证均方误差和实验验证平均绝对误差； 步骤5.4、选择所述交叉验证均方误差和所述交叉验证平均绝对误差均最小、且所述实验验证均方误差和所述实验验证平均绝对误差均最小的所述权重组合作为所述最终随机森林预测模型和所述最终SVM预测模型的加权权重，得到所述融合模型； 步骤6、所述融合模型的动态优化，包括以下步骤： 步骤6.1、定期将实时采集的所述蓝藻生长相关数据输入所述融合模型，得到蓝藻生物量的实时预测结果，将所述蓝藻生物量的实时预测结果与实际测量的蓝藻生物量结果进行对比，计算所述融合模型的误差，所述融合模型的误差包括融合模型均方误差和融合模型平均绝对误差； 步骤6.2、根据所述融合模型误差进行所述融合模型参数调整和权重分配，得到动态优化后的融合模型，所述模型参数调整包括核函数参数调整； 步骤7、将实时采集的所述蓝藻生长相关数据输入所述动态优化后的融合模型，得到动态优化后的蓝藻生物量的实时预测结果。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。