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！

龙图腾网获悉山东大学申请的专利一种基于深度学习的空化反应器空化强度预测方法及系统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：CN119397904B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202411503234.8，技术领域涉及：G06F30/27；该发明授权一种基于深度学习的空化反应器空化强度预测方法及系统是由孙逊;游炜彬;李敬伟;王文龙;王继来;任常在;王本龙设计研发完成，并于2024-10-25向国家知识产权局提交的专利申请。

本一种基于深度学习的空化反应器空化强度预测方法及系统在说明书摘要公布了：本发明提出了一种基于深度学习的空化反应器空化强度预测方法及系统，涉及空化技术领域，包括：获取待预测空化反应器的形状参数；将形状参数输入到训练好的强度预测模型中，进行空化强度的预测；对预测结果进行解释，得到不同形状参数之间交互作用对空化强度的影响；其中，强度预测模型利用数值仿真获得的训练集进行训练，训练集的构建方法是对空化反应器形状参数进行随机取样，构建空化反应器形状空间，对空化反应器形状空间进行数值仿真得到空化强度，形状参数与空化强度作为一个数据项，组成训练集；本发明根据数值仿真获得的训练集，对改良的神经网络进行训练，从而建立起空化反应器形状因素与空化强度之间的非线性联系，实现空化强度预测。

本发明授权一种基于深度学习的空化反应器空化强度预测方法及系统在权利要求书中公布了：1.一种基于深度学习的空化反应器空化强度预测方法，其特征在于，包括： 获取待预测空化反应器的形状参数； 将形状参数输入到训练好的强度预测模型中，进行空化强度的预测； 所述强度预测模型采用神经网络，包括输入层、隐藏层和输出层； 所述输入层的节点数与形状参数数量一致，每个节点代表不同的形状参数； 所述输出层的节点数与空化强度参数数量一致，每个节点代表不同的空化强度参数； 隐藏层由两层组成，第1个隐藏层节点数的数量为2n-1，第2层节点数为m，其中，n代表形状参数数量，m代表空化强度参数数量，且第1个隐藏层节点并非与输入层全连接，而是根据单因素、双因素、…、n因素对输入节点分别连接，分别代表单因素影响、双因素相互作用影响、…、n因素相互作用影响对空化强度的影响，第1个隐藏层的每个节点是根据不同形状参数组合对空化强度的影响分别进行连接；第2个隐藏层的每个节点与第1层隐藏层全连接，与输出层对应连接，两层结构的隐藏层有两层激活函数，能拟合出非线性关系； 所述隐藏层是根据形状参数组合对空化强度的影响分别进行连接，进行连接前先经过ReLU函数进行激活； 对预测结果进行解释，得到不同形状参数之间交互作用对空化强度的影响； 其中，所述强度预测模型利用数值仿真获得的训练集进行训练，训练集的构建方法是对空化反应器形状参数进行随机取样，构建空化反应器形状空间，对空化反应器形状空间进行数值仿真得到空化强度，取样的形状参数与得到的空化强度作为一个数据项，组成训练集。

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山东大学，其通讯地址为：250061 山东省济南市历下区经十路17923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。