Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华侨大学廖晓斌获国家专利权

华侨大学廖晓斌获国家专利权

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!

龙图腾网获悉华侨大学申请的专利基于决策树回归的微生物絮凝剂絮凝效率预测方法、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:CN119646763B

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:202510173616.7,技术领域涉及:G06F18/27;该发明授权基于决策树回归的微生物絮凝剂絮凝效率预测方法、装置是由廖晓斌;杨天;廖辰阳;王成;涂福荣;刘潇雨;胡奕博;许华诚;周真明;魏茂春;兰强设计研发完成,并于2025-02-18向国家知识产权局提交的专利申请。

基于决策树回归的微生物絮凝剂絮凝效率预测方法、装置在说明书摘要公布了:本发明提供了基于决策树回归的微生物絮凝剂絮凝效率预测方法、装置,涉及混凝效率预测技术领域,该方法通过实验获取关键水质参数数据,利用统计分析筛选重要特征,并对数据进行标准化处理后划分为训练集和测试集。通过构建决策树模型并优化剪枝参数,选择最优模型进行预测。该方法在预测生物絮凝剂絮凝效率时具有较高的准确性和泛化能力,为水处理领域中生物絮凝剂的应用提供了有效的技术手段。

本发明授权基于决策树回归的微生物絮凝剂絮凝效率预测方法、装置在权利要求书中公布了:1.一种基于决策树回归的微生物絮凝剂絮凝效率预测方法,其特征在于,包括: 获取待预测的絮凝剂数据和预设的目标预测值,并计算所述絮凝剂数据和目标预测值的皮尔逊相关系数与F值,得到输入数据集; 对所述输入数据集进行标准化处理,生成预测数据集; 将所述预测数据集作为输入数据,输入至预先训练好的预测模型中,生成预测结果; 在将所述预测数据集作为输入数据,输入至预先训练好的预测模型中之前,还包括: 根据训练集构建CART决策树模型,并对所述CART决策树模型进行训练预处理,具体为: 基于所述训练集构建CART决策树模型,并在构建过程中,从CART决策树模型的每个分裂节点中筛选出分裂后均方误差最小的特征和分割点; 分裂标准MSEsplit的计算公式为:其中,S为当前节点有样本集合,S1和S2均为当前节点有样本集合S分裂后的子集,|S1|和|S2|为分裂后两个子集S1和S2的样本数量,MSES1和MSES2均为子集S1和S2内部的均方误差; 根据公式计算所述CART决策树模型的每个叶子节点的输出值,该输出值是其内部样本的目标值的均值,其中,St为叶结点t的样本合集,yi为第i个样本的真实值,表示为叶子节点t内所有样本的平均预测值; 在CART决策树模型的构建过程中,基于代价复杂度剪枝算法记录节点损失,并选择节点代价复杂度αt最小的节点进行剪枝处理,直至剪枝路径终止,得到剪枝参数α; 其中,节点代价复杂度αt的计算公式为:Rt为节点t的误差,RTt为以节点t为根的子树误差,|Tt|为以节点t为根的子树的叶结点数量; 训练每一个剪枝参数α相对应的决策树模型,得到多个不同复杂度的决策树集合Tα1,Tα2,...,Tαk,并在预设的验证集时间上进行预测,计算其对应的均方误差; 其中,代价复杂度函数的公式为:CT=RT+α·|T|,CT为决策树的总损失,为模型的训练误差,|T|为树中叶节点的数量,α为剪枝参数; 根据测试集对所述CART决策树模型中每个剪枝参数α相对应的决策树模型进行预测,得到最优决策树回归模型,具体为: 根据所述测试集对每个剪枝参数α相对应的决策树模型进行预测,并计算其对应的均方误差; 筛选出均方误差最小的剪枝参数α所对应的决策树模型,作为最优决策树回归模型; 计算所述絮凝剂数据和目标预测值的皮尔逊相关系数与F值,得到输入数据集,具体为: 根据公式计算所述絮凝剂数据和目标预测值的皮尔逊相关系数,其中,r为皮尔逊相关系数,n为样本数量,xi为变量X的观测值,yi为变量Y的观测值,为变量X的样本均值,为变量Y的样本均值; 根据公式计算所述絮凝剂数据和目标预测值的F值,并筛选出所述F值大于预设值的絮凝剂数据,生成输入数据集,其中,解释方差表示为由特征变量预测的目标变量的变化部分,未解释方差表示为由特征变量未能预测的目标变量的变化部分; 对所述输入数据集进行标准化处理,生成预测数据集,具体为: 对所述输入数据集进行标准化处理,将所述输入数据集中的数据转换成符合均值为0、标准差为1的标准正态分布数据,其中,标准化公式为:μ为均值,σ为标准方差,z为标准化处理后的标准正态分布数据,x表示待标准化的分布; 根据标准化处理后的标准正态分布数据,整合生成预测数据集;所述测试集R2可达0.7889。

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侨大学,其通讯地址为:362000 福建省泉州市丰泽区城华北路269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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。