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！

龙图腾网获悉华南理工大学申请的专利一种污水处理过程总磷浓度预测方法、电子设备及介质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：CN119560059B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202411445393.7，技术领域涉及：G16C20/70；该发明授权一种污水处理过程总磷浓度预测方法、电子设备及介质是由陆宇;刘乙奇设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种污水处理过程总磷浓度预测方法、电子设备及介质在说明书摘要公布了：本发明公开了一种污水处理过程总磷浓度预测方法、电子设备及介质，属于污水处理领域。其中方法包括：采集多种污水处理过程中多种指标数据，获得数据集；对获得的数据集进行预处理后，对总磷相关的特征变量进行筛选；对铁盐投递过程建立相应的基于物理信息技术的磷酸根浓度预测模型，用于预测磷酸根浓度；将预测获得的磷酸根浓度与筛选出的变量相结合，共同构建总磷预测模型；对总磷预测模型进行训练，并将训练后的总磷预测模型用于预测污水处理过程的总磷浓度。本发明创新性地将污水处理领域的部分已知科学规律和经验公式整合到数据驱动的预测模型中，结合了传统模型的理论基础和机器学习模型的自学习能力，提高了模型的预测准确性和可靠性。

本发明授权一种污水处理过程总磷浓度预测方法、电子设备及介质在权利要求书中公布了：1.一种污水处理过程总磷浓度预测方法，其特征在于，包括以下步骤： 采集多种污水处理过程中多种指标数据，获得数据集； 对获得的数据集进行预处理后，对总磷相关的特征变量进行筛选； 对铁盐投递过程建立相应的基于物理信息技术的磷酸根浓度预测模型，用于预测磷酸根浓度； 将预测获得的磷酸根浓度与筛选出的变量相结合，共同构建总磷预测模型； 对总磷预测模型进行训练，并将训练后的总磷预测模型用于预测污水处理过程的总磷浓度； 所述对铁盐投递过程建立相应的基于物理信息技术的磷酸根浓度预测模型，包括： 确定磷酸根浓度预测模型的物理约束条件，建立模型优化条件，表达式为： 式中，procFe指的是水合氧化铁吸附或释放磷酸根能力的一些中间状态量，需要通过预测来获得；Qin是入水的流量；和分别是磷酸根的入水浓度和反应池中的浓度；vol是反应池的体积，是磷酸根浓度的变化率；a1、a2均为系数； 建立procFe的预测模型，模型输入分别是当前磷酸根浓度和相应状态水合氧化铁的浓度；建立水合氧化铁的预测模型，对于预测水合氧化铁各种状态采用多输入多输出的时序模型来拟合真实的系统； 利用全连接层将多个模型进行串接，并确定总损失函数； 以最小化总损失函数为优化目标，通过自动微分方法更新物理信息网络参数； 所述总损失函数的计算公式如下： Loss＝LossPDE+LossXHFO 式中，Loss是物理信息网络的总损失，LossPDE是涉及物理约束的损失，LossXHFO是水合氧化铁状态的预测损失，Np是用于训练的样本数，是第J个样本磷酸根浓度变化量的预测值，是第J个样本满足的微分方程条件，和分别是第J个样本下的第I个水合氧化铁状态的预测值和真实值； 所述将预测获得的磷酸根浓度与筛选出的变量相结合，共同构建总磷预测模型，包括： 基于长短期记忆时序网络构建总磷预测模型； 利用筛选出的特征变量，在排除与磷酸根浓度预测模型相同输入的变量后，将剩余变量与磷酸根浓度作为总磷预测模型的额外输入；设置好长短期记忆时序网络的参数后，利用自动微分方法更新网络的权重； 将调试好的长短期记忆时序网络和物理信息网络相结合，利用实际工业数据对网络整体参数进行微调。

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华南理工大学，其通讯地址为：510641 广东省广州市天河区五山路381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。