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改进生成对抗网络的二噁英排放浓度软测量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：CN116206699B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202310003714.7，技术领域涉及：G16C20/30；该发明授权一种基于改进生成对抗网络的二噁英排放浓度软测量方法是由汤健;崔璨麟;夏恒;乔俊飞设计研发完成，并于2023-01-03向国家知识产权局提交的专利申请。

本一种基于改进生成对抗网络的二噁英排放浓度软测量方法在说明书摘要公布了：本发明提供了一种基于改进生成对抗网络的二噁英排放浓度软测量方法，包括：将MSWI过程数据输入至缺失数据划分模块进行划分，得到输入特征和目标特征；将所述输入特征和所述目标特征输入至对抗生成数据填充模块进行数据填充，得到填充数据；将所述填充数据和二噁英排放浓度实验数据输入至输入输出数据匹配模块进行数据匹配，得到建模数据；将所述建模数据输入至改进的深度森林回归模块进行建模和预测，得到浓度预测值。本发明能够提高二噁英排放浓度软测量的多样性和准确性。

本发明授权一种基于改进生成对抗网络的二噁英排放浓度软测量方法在权利要求书中公布了：1.一种基于改进生成对抗网络的二噁英排放浓度软测量方法，其特征在于，包括： 将MSWI过程数据输入至缺失数据划分模块进行划分，得到输入特征和目标特征；其中，MSWI过程数据由各阶段的数据采集仪表、传感器获得，包括温度、流量、物料消耗、压力、速度、汽包水位和常规污染物排放浓度； 将所述输入特征和所述目标特征输入至对抗生成数据填充模块进行数据填充，得到填充数据； 将所述填充数据和二噁英排放浓度实验数据输入至输入输出数据匹配模块进行数据匹配，得到建模数据； 将所述建模数据输入至改进的深度森林回归模块进行建模和预测，得到浓度预测值； 所述将MSWI过程数据输入至缺失数据划分模块进行划分，得到输入特征和目标特征，包括： 将所述MSWI过程数据通过滑动检测窗口识别出缺失值及其相近时间范围内的过程数据作为待填充数据； 根据是否存在缺失数据将所述待填充数据划分为完整输入数据和缺失输入数据； 根据特征是否存在缺失数据将所述缺失输入数据划分为所述缺失输入数据的输入特征和目标特征； 根据特征是否存在缺失数据将所述完整输入数据划分为所述完整输入数据的输入特征和目标特征； 所述将所述输入特征和所述目标特征输入至对抗生成数据填充模块进行数据填充，得到填充数据，包括： 采用随机噪声替换所述完整输入数据的输入特征，并将替换后的数据与所述完整输入数据的目标特征输入至生成器中；所述生成器的输入表示为：；其中，H为提示矩阵，第d个缺失特征的H表示如下：；式中，hi,j为H第i行第j列的元素；和分别表示所述完整输入数据的输入特征和目标特征；为随机噪声；所述生成器由层全连接网络组成，所述生成器包含1个输入层、1个输出层和个隐含层； 将输入所述生成器得到第1层隐含层输出，第1层隐含层输出表示为：；式中，和分别为生成器输入层和第1层隐含层之间的权值和偏置；表示Relu激活函数；为生成器第1层隐含层输出；生成器第层隐含层输出表示为，nG=2，...，NG-2；生成器输出的填充数据计算为；式中，表示训练中生成器的填充结果；和分别为第层隐含层和输出层之间的权值和偏置；表示线性激活函数； 利用判别器对填充数据和真实数据进行判断，判别器输入表示为；所述判别器由层全连接网络组成，包含1个输入层、1个输出层和个隐含层，将输入判别器得到第1层隐含层输出，第1层隐含层输出表示为：；式中，和分别为判别器输入层和第1层隐含层之间的权值和偏置；为判别器第1层隐含层输出；判别器第层隐含层输出表示为；判别器输出的判别结果表示为；式中，表示判别结果；和分别为第层隐含层和输出层之间的权值和偏置；表示Sigmoid激活函数； 构建目标函数，所述目标函数表示为： ； 式中，表示的分布；为判别器对于真实数据的输出；表示的分布；为判别器对于填充数据的输出；为MSE约束项权重；为MSE约束项；和分别为生成器和判别器的模型复杂度惩罚项权重； 采用二元交叉熵函数构建损失函数，所述损失函数表示为：；式中，和分别表示模型的输入和输出；为二元标签；为数据量； 当训练判别器时，固定生成器参数，将真实数据标记为1，即，相应的第一损失为：； 将填充数据标记为0，即，相应的第二损失为：； 根据第一损失、第二损失和判别器复杂度惩罚项得到判别器训练的目标函数，所述判别器训练的目标函数为： ； 当训练生成器时，固定判别器参数，将填充数据标记为1，即，相应的第三损失为：； 综合第三损失、MSE约束项和生成器复杂度惩罚项得到生成器训练的目标函数，所述生成器训练的目标函数为：； 重复上述操作，生成器和判别器在最小最大的博弈对抗中共同训练代； 采用随机噪声替换缺失输入数据中的缺失数据与缺失输入数据的输入特征组合得到生成器的输入，通过训练完成的生成器对的缺失数据进行填充，得到填充数据。

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：100020 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。