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！

龙图腾网获悉北京工业大学申请的专利一种基于动态超图和Informer-GRU的浮选品位预测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：CN120822671B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202511331111.5，技术领域涉及：G06Q10/04；该发明授权一种基于动态超图和Informer-GRU的浮选品位预测方法是由王康;周胤旭;李晓理;吕剑设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本一种基于动态超图和Informer-GRU的浮选品位预测方法在说明书摘要公布了：本发明一种基于动态超图和Informer‑GRU的浮选品位预测方法，属于工业过程智能监控技术领域，解决了复杂浮选过程中无法对多源异构变量的整合问题、无法有效捕获高阶时空依赖关系的技术问题。技术方案要点为：构建DHIG统一框架，集成动态超图建模和Informer‑GRU网络；设计基于滑动时间窗口的自适应超图构建机制，实现多源异构变量间演变相关性的有效表示；采用Informer模块的稀疏自注意力机制捕获长程依赖关系，结合GRU组件处理操作变化引起的短期波动；通过级联Informer‑GRU结构实现多尺度特征融合。主要用途为浮选过程的智能监控和品位预测，在工业级浮选数据集测试中预测精度和计算效率均优于现有方法，为复杂工业环境下的过程优化提供技术支撑。

本发明授权一种基于动态超图和Informer-GRU的浮选品位预测方法在权利要求书中公布了：1.一种基于动态超图和Informer-GRU的浮选品位预测方法，其特征在于，包括以下步骤： 步骤1，对多源浮选过程数据进行预处理，所述多源浮选过程数据包括从浮选泡沫图像中提取的气泡特征数据和化学成分数据，通过数据清洗和标准化处理获得规范化的多变量时间序列数据； 步骤2，采用滑动窗口机制构建动态超图，通过计算时间窗口内特征间的皮尔逊相关系数构建相关性矩阵，基于自适应阈值机制动态生成超边集合； 步骤3，设计动态权重计算模块对超图进行加权处理； 步骤4，执行超图卷积运算实现特征聚合； 步骤5，构建Informer-GRU级联时序预测网络，Informer模块采用概率稀疏自注意力机制提取全局趋势特征，GRU模块学习局部时序模式，输出浮选品位预测结果; 所述步骤2中的超边生成采用相关性驱动的规则，超边集合生成过程如下： 将每个特征的时间序列作为图中的一个节点，节点特征表示为： 5 式中，为节点在时间步的特征表示，为滑动窗口大小； 利用皮尔逊相关系数计算采用滑动窗口内的数据片段，实现动态相关性分析；所述皮尔逊相关系数计算公式为： 6 所述超边生成规则为： 7 式中，表示时间步的超边集合，为特征子集，为节点集合，为特征和之间的相关系数，为阈值参数； 所述步骤5中的Informer模块采用编码器-解码器架构，编码器和解码器均使用ProbSparse自注意力机制；所述Informer模块的输入输出定义为： 11 12 13 式中，表示编码器输入序列长度和解码器历史目标序列长度，为压缩的全局特征； 所述步骤5中的级联时序预测网络采用Informer在前、GRU在后的序列安排，Informer模块的输出直接作为GRU网络的输入，GRU基于全局趋势特征进行局部时序模式学习和预测结果输出，所述的GRU网络通过重置门、更新门和候选状态实现隐状态更新；所述GRU网络的计算公式为： 14 15 16 17 式中，为激活函数，为双曲正切激活函数，表示逐元素乘法。

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北京工业大学，其通讯地址为：100022 北京市朝阳区平乐园100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。