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！

龙图腾网获悉浙江大学申请的专利一种基于最优深度学习的核电关键指标预测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：CN120105862B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202510060434.9，技术领域涉及：G06F30/27；该发明授权一种基于最优深度学习的核电关键指标预测装置是由龚开;李昊哲;赵顺平;张志猛;钮云龙;杨维耿;刘兴高设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本一种基于最优深度学习的核电关键指标预测装置在说明书摘要公布了：本发明公开了一种基于最优深度学习的核电关键指标预测装置，所述装置包括碘化钠谱仪数据库、数据采集及预处理模块、一维CNN‑LSTM级联模型模块、多目标自适应粒子群优化算法模块和核电关键指标预测与在线修正模块。本发明实现在线预测、参数最优在线优化，能够鲁棒敏捷地对核电设施运行过程中的核电关键指标进行预测，无需人工设计预测特征或规则，克服了目前核电关键指标预测装置精度不高、易受人为因素的影响、预测模型容易失配从而导致预测效果变差甚至系统崩溃的不足，提高了辐射环境核电关键指标预测长期在线运行的预测效率和准确率。

本发明授权一种基于最优深度学习的核电关键指标预测装置在权利要求书中公布了：1.一种基于最优深度学习的核电关键指标预测装置，其特征在于，所述装置包括碘化钠谱仪数据库、数据采集及预处理模块、一维CNN-LSTM级联模型模块、多目标自适应粒子群优化算法模块和核电关键指标预测与在线修正模块； 所述数据采集及预处理模块，用于将从碘化钠谱仪数据库中输入的碘化钠谱仪的数据进行数据预处理，得到预处理后的数据并上传至一维CNN-LSTM级联模型模块； 所述一维CNN-LSTM级联模型模块，用于通过一维CNN-LSTM级联模型对预处理后的数据进行分类，得到分类向量； 所述多目标自适应粒子群优化算法模块，用于采用改进粒子群优化算法对一维CNN-LSTM级联模型的训练次数、学习率、LSTM时间窗大小进行优化，具体为： a.1初始化粒子群寻优算法参数：种群规模P,最大迭代次数tmax； a.2随机初始化粒子群位置ri和速度vi； a.3计算适应度值F,计算历史最优Lbest； a.4根据pareto支配原则，把当前的非劣解存放到Archive集； a.5把目标空间用网格等分成小区域，以每个区域中包含的粒子数作为粒子的密度信息；粒子所在网格中包含的粒子数越多，其密度值越大，反之越小，以此计算Archive集的拥挤程度； a.6选择Archive集中密度最低的粒子作为全局最优Gbest； a.7计算进化因子f，为最优粒子与其他粒子之间连接向量之和的长度除以最优粒子与其他粒子的距离和； a.8更新粒子的速度和位置： 21 22 为惯性因子，；、为加速度系数，一般取2；、为[0,1]之间的随机数；为更新后的粒子速度，为更新前的粒子速度；为更新后的粒子位置，为更新前的粒子位置； a.9重复步骤a.3-步骤a.8，直到满足迭代停止条件； 所述核电关键指标预测与在线修正模块，用于对一维CNN-LSTM级联模型进行在线更新，定期将碘化钠谱仪当前数据流输入到训练集中，利用新的训练集修改一维CNN-LSTM级联模型中的参数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。