-
公开(公告)号：CN119397212B
公开(公告)日：2025-03-18
申请号：CN202510009348.5
申请日：2025-01-03
Applicant: 西安理工大学
IPC: G06F18/20 , G06N20/00 , G06F18/15 , G06F18/214
Abstract: 本发明涉及微藻生物固液分离技术领域，特别是基于机器学习的微藻浮珠浮选采收效率预测与优化方法。引入不同的机器学习算法，基于不同的机器学习算法对筛选后的多维微藻浮珠浮选数据包进行训练计算并筛选，得到训练完成的理想采收效率预测模型；通过训练完成的理想采收效率预测模型对既定输入特征进行预测，得到既定采收效率值，使用SHAP库计算既定采收效率值以确定每种既定浮珠性质以及既定操作条件对既定采收效率的影响程度；基于所述影响程度降序排列筛选的最优浮珠浮选采收条件丰富微藻浮珠浮选的数据集，并优化理想采收效率预测模型。本发明能够基于机器学习的方法实现微藻浮珠浮选过程的采收效率精准预测，显著提升微藻浮珠浮选采收性能。
-
Patent Agency Ranking
公开(公告)号：CN119397212A
公开(公告)日：2025-02-07
申请号：CN202510009348.5
申请日：2025-01-03
Applicant: 西安理工大学
IPC: G06F18/20 , G06N20/00 , G06F18/15 , G06F18/214
Abstract: 本发明涉及微藻生物固液分离技术领域，特别是基于机器学习的微藻浮珠浮选采收效率预测与优化方法。引入不同的机器学习算法，基于不同的机器学习算法对筛选后的多维微藻浮珠浮选数据包进行训练计算并筛选，得到训练完成的理想采收效率预测模型；通过训练完成的理想采收效率预测模型对既定输入特征进行预测，得到既定采收效率值，使用SHAP库计算既定采收效率值以确定每种既定浮珠性质以及既定操作条件对既定采收效率的影响程度；基于所述影响程度降序排列筛选的最优浮珠浮选采收条件丰富微藻浮珠浮选的数据集，并优化理想采收效率预测模型。本发明能够基于机器学习的方法实现微藻浮珠浮选过程的采收效率精准预测，显著提升微藻浮珠浮选采收性能。
-
公开(公告)号：CN119954315A
公开(公告)日：2025-05-09
申请号：CN202510425769.6
申请日：2025-04-07
Applicant: 西安理工大学
IPC: C02F3/32 , C02F3/00 , G06F18/27 , G06F30/20 , G16C20/20 , G06F113/08 , G06F119/08
Abstract: 本发明涉及生物污水处理技术领域，特别是一种基于微藻生长预测的水处理优化方法及系统。获取目标水处理区域的实时水质污染参数集以及实时水环境数据，利用实时水环境数据构建实时水环境模拟场，通过实时水环境模拟场模拟生成微藻未来生长模型并进行实时水质污染参数集的空间哈希编码分析优化处理污染水质；结合实时水质污染参数集以及实时水环境数据构建目标水处理区域的实时水质污染规模热力模型，通过实时水质污染规模热力模型查询判定局部水处理区域的水质污染规模异常与否执行微藻生长调节的污水处理。本发明能够通过分析微藻生长净化污水性能对其执行相应的水处理操作，确保水治理合理化，有效改善水体质量。
-
公开(公告)号：CN119919937A
公开(公告)日：2025-05-02
申请号：CN202510414760.5
申请日：2025-04-03
Applicant: 西安理工大学
IPC: G06V20/69 , G06N3/045 , G06N3/0475 , G06N3/094 , G06V10/774 , G06V10/778 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于深度学习的微藻特征融合分析方法及系统，属于微藻特征识别与分析技术领域，本发明通过根据微藻生长采收阈值范围获取微藻采收时间节点，并获取当前微藻采收时间节点的实时污染物数据，最后根据当前微藻采收时间节点的实时污染物数据进行污染分析，并基于污染分析结果生成相关的调控策略，按照相关的调控策略进行调控。本发明通过融合深度学习网络以及生成对抗网络进行融合，能够融合微藻在不同环境之下的细胞分裂规律以及预设时间之内的图像特征来对目标区域中的微藻生长数据进行分析，解决了图像技术对于微藻生长繁殖识别的痛点，精准把握微藻生长所处阶段，为流域水体微藻污染物识别、调控与去除提供理论支撑。
-
公开(公告)号：CN119494085A
公开(公告)日：2025-02-21
申请号：CN202510076605.7
申请日：2025-01-17
Applicant: 西安理工大学
IPC: G06F18/27 , G06N20/00 , G06F18/15 , G06F18/214 , G06F18/243
Abstract: 本发明涉及微藻生物智能控制技术领域，特别是一种基于机器学习的微藻生长预测与优化方法及系统。基于微藻生长参数的特征变量随机森林模型筛选出显著影响微藻生长的降维筛选后的特征变量数据集，通过机器学习算法的对特征变量数据集进行潜在主成分变量的回归训练，得到训练完成的微藻生长预测模型；利用训练完成的微藻生长预测模型获取培养条件动态变化下的多个实际预测结果，基于微藻生长培养的实际预测结果在遗传算法中搜索既定参数调控空间，得到最优培养条件参数集，将所述最优培养条件参数集下发至微藻生长的实际培养过程。本发明能够在多维参数空间中精确刻画微藻生长动力学，实现对微藻生长趋势与代谢产率的实时预测与调优。
-
公开(公告)号：CN119081187A
公开(公告)日：2024-12-06
申请号：CN202411468781.7
申请日：2024-10-21
Applicant: 西安理工大学
Abstract: 本发明公开了花椒精油Pickering乳液淀粉基活性复合膜及制备方法，具体为：制备纳米纤维素；利用纳米纤维素制备花椒精油Pickering乳液；将玉米淀粉、去离子水、甘油进行混合搅拌，得到糊化淀粉液；将花椒精油Pickering乳液加入糊化淀粉液中，搅拌，在真空状态下放置去除气泡，得到成膜液；将成膜液倒入聚四氟乙烯模具中，放置，即可得到活性复合膜。本发明的复合膜中，Pickering乳液的引入，增加了水分子在膜中的传输路径，提高了膜质中疏水部分含量，从而提高了复合膜的阻隔效果。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
