本发明涉及陶粒物料混合度评估技术领域，公开了一种陶粒物料混合度智能评估系统，该系统包括物料采样装置、参数采集单元、特征分析模块和评估判定模块。参数采集单元设于各混合工位，含记录存储部件和检测组件，存储历史混合异常信息（含异常时间点、颜色、粒度、振动信息），检测组件采集实时颜色、粒度数据及振动信息。特征分析模块划分异常和稳定时间区间，确定颜色、粒度基准值及振动幅度参考区间。评估判定模块根据特征时间区间调整采样装置激活状态和检测组件响应状态，通过实时数据判断混合异常倾向，结合振动幅度确定是否改变采样装置状态。该系统提升了混合度评估的精准性与效率，适用于陶粒生产的智能监控。
📄 2025111487315
📂 G16C20_30
👤 龙岩学院
📅 2025-08-18
本发明公开了一种基于机理拓扑分层解耦的石油炼化预测与归因方法，属于石油化工智能建模与优化控制领域，首先采集原始石油炼化数据，并对数据进行多维特征标准化处理，得到标准化后的特征数据；然后基于多模态竞争机制，对标准化后的特征数据进行主效应自适应剥离；对剥离后的数据基于残差关联挖掘进行交互效应解耦处理；引入专家约束和动态基准；最终输出石油炼化参数的预测值和归因报告。本发明采用分层残差剥离机制，将预测结果明确分解为主效应叠加与交互效应修正两部分。用户不仅能获得预测值，还能直观看到各特征的具体贡献及形态，生成结构化的归因报告，极大提升了信任度。
📄 2026102673653
📂 G16C20_30
👤 南京信息工程大学
📅 2026-03-06
本发明公开了一种生物炭比表面积和芳香族化合物吸附量预测方法。首先获取生物炭实验数据集，进行数据处理得到完整生物炭吸附数据和完整生物炭热解实验数据；将完整数据代入机器学习算法进行建模，得到不同研究目标的预测模型，并对模型进行性能评估和模型可解释性分析；根据分析目的建立待预测数据库，将所述待预测数据库代入不同研究目标的预测模型，得出预测数据。本发明提出了生物炭材料比表面积和生物炭对芳香族化合物最大吸附量数据模型，大大节约了实验的试错成本。
📄 2023108466390
📂 G16C20_30
👤 南京信息工程大学
📅 2023-07-11
本发明公开了一种基于子流域和机器学习模型的流域内地表水体新烟碱类杀虫剂污染的预测方法，属于地表水污染预测领域；包括以下步骤，步骤一，确定子流域范围，将每个子流域的坐标范围作为其身份标识ID；步骤二，数据采集以及预处理；步骤三，建立数据集，构建机器学习模型与模型调优；步骤四，实现子流域内地表水新烟碱类杀虫剂污染预测；步骤五，结果的可视化。本发明的方法实现了在国家尺度下多个子流域的同步快速准确的预测，为地表水体新烟碱类杀虫剂污染领域的预报监控提供了全新的方法参考；同时，整合常见六种新烟碱类杀虫剂，实现一个模型对多种污染物的同步预测；补充社会经济因素，全面捕捉污染影响因素。
📄 2025112542625
📂 G16C20_30
👤 浙江工业大学
📅 2025-09-04
基于零模型的分子网络生成方法，包括：S1：读取数据集，获取原网络图特征；S2：对分子网络进行基于零模型的分子网络生成操作；S3：筛选新的分子网络并输出。实现本发明的基于零模型的分子网络生成方法的系统，包括：网络读取模块，网络生成模块，网络筛选模块，网络输出模块。本发明根据同分异构体的思想进行网络生成，生成的网络符合化学特性且保留了网络特征；本发明可用于数据增强和属性预测中，对分子属性预测的精度具有较好的提升。
📄 2022110830164
📂 G16C20_30
👤 浙江工业大学
📅 2022-09-06
基于知识关系图增强的小样本分子性质预测方法和装置，其方法包括：S1：构建分子—性质关系图；S2：在分子—性质关系图的基础上构建基于知识引导的分子—性质关系图；S3：基于步骤S2得到的增强图，通过随机抽样从训练任务集中抽取目标任务，根据选定目标任务提取子图，获取子图表征；S4：通过辅助任务采样器进行采样，得到与目标任务高度相关的辅助任务，根据步骤S3得到的子图和辅助任务重新构建一个关系更加丰富的子图；S5：基于步骤S4得到的子图进行小样本分子性质预测训练，计算损失，更新模型参数，提高模型快速泛化到新目标性质的能力；S6：使用步骤S5训练好的模型进行目标性质参数适应，进而获得面向目标性质的泛化模型用于分子性质预测。
📄 2024119264293
📂 G16C20_30
👤 浙江工业大学
📅 2024-12-25
一种基于对比学习自适应连边属性增强的化合物筛选方法，包括以下步骤：1)获取数据并进行拓扑处理和属性处理；2)构建AE‑Learner，联合分析子图网络拓扑和原始图网络属性，为分子图赋加综合连边权重，生成增强视图；3)训练AE编码器，通过AE学习目标最大化不同的增强视图间差异；4)同一迭代过程中，训练GCL编码器，在图对比学习中通过GCL目标最大化正对间相似度；5)重复进行3和4，直到GCL目标损失趋于平稳；6)将训练好的GCL编码器应用于下游化合物筛选任务中，编码后的图级表示通过支持向量机进行图分类和性质预测。本发明提供一种显式连边学习的增强方法，结合对比学习，不仅解决了标签稀缺问题，还能补充连边重要性，提高化合物筛选性能。
📄 2023108699988
📂 G16C20_30
👤 浙江工业大学
📅 2023-07-14
本发明提供一种基于深度迁移学习预测卟啉MOF带隙的方法。本发明首先构建了卟啉MOF小数据集，并采用Average SOAP Kernel扩充了卟啉MOF数据集，然后利用QMOF数据库对GCN先进行预训练，得到预训练模型，再利用迁移学习方法对预训练模型进行微调，得到卟啉MOF带隙预测模型，最后利用卟啉MOF带隙预测模型进行带隙预测。本发明能够以较高准确率预测卟啉MOF带隙。本发明结合深度学习和迁移学习预测卟啉MOF带隙，仅依赖于晶体学信息文件而不是手工制作的几何描述符和化学描述符，高效准确地预测出给定的卟啉MOF带隙，提高了预测的精度和效率，降低了测得卟啉MOF带隙的时间和经济成本。
📄 2022112683348
📂 G16C20_30
👤 浙江工业大学
📅 2022-10-17
本发明公开了基于高斯过程回归的聚合物分子量分布的预测方法，获取聚合反应过程中的所有工艺参数，记录相应的聚合物分子量浓度分布的历史数据并进行提纯处理，然后对所有工艺参数、提纯后的聚合物分子量分布以及其浓度分布均进行归一化处理后，导入到训练模型中，通过高斯过程分布模型对聚合反应过程中所有已知的工艺参数下所对应的聚合物分子量浓度分布的数据进行训练和模拟，进行预测模型的搭建。本发明涉及聚合物分子量分布数据的处理方式和高斯过程回归模型在聚合反应中的应用，通过两者的结合能够进行现有聚合物分子量分布数据的分析和对未知反应条件下的聚合物分子量分布进行很好的预测。
📄 2020106802694
📂 G16C20_30
👤 浙江工业大学
📅 2020-07-15
本发明公开了一种基于分布式输出过程时间图卷积建模方法，该方法包括如下步骤：1)数据的获取和整合；2)拓扑图构建：首先根据实际化工过程中的先验知识构建拓扑图，利用数据驱动的方式寻找潜在的变量关系，并根据这些变量关系来补充拓扑图，从而完整的拓扑图被构建；3)建模训练：构建时间图卷积TGCN模型对训练数据集进行训练，同时建立其它的对比模型进行模型训练；4)模型测试。本发明通过结合先验知识和数据驱动的方法构建拓扑图，利用时间图卷积层同时提取过程变量的变量相关性和时间相关性，在提升模型预测精度的同时，有助于理解变量间的关系，增强模型的可解释性。
📄 2023113496714
📂 G16C20_30
👤 浙江工业大学
📅 2023-10-18
一种基于强化学习和分子网络数据增强的药物性质预测方法，包括以下步骤：1)获取原始化合物数据集，并输入图增强模型中；2)图数据通过三层GIN网络获得节点表示，通过一个多层感知器选择起始节点；3)再通过一个MLP选择结束节点；4)确定好两节点后通过增删连边策略构建新图Gn+1；5)计算奖励评估生成的新图；6)用蒙特卡洛策略梯度进行生成器优化；7)重复进行步骤(1)～(6)N次，将每一次迭代奖励大于0的新图和全部迭代后奖励均小于0的原始图存储起来构建新图数据集；8)用新图数据集扩充原始图数据集；9)用增强的数据集训练GIN分类模型；10)将化学数据集输入到增强后的分类模型中，得到药物性质预测结果。
📄 2022110897732
📂 G16C20_30
👤 浙江工业大学
📅 2022-09-07
本申请提供的一种甲醇制烯烃工艺中催化剂定碳测量方法及系统，将所述反应数据输入至定碳量预测模型，所述定碳量预测模型输出催化剂定碳值，进而可根据所述催化剂定碳值调整甲醇制烯烃过程中催化剂含量，定碳量预测模型基于梯度提升回归算法建立，并采用历史反应数据和对应的催化剂定碳真实值作为训练数据训练得到。不需要对催化剂取样，实现了催裂化装置再生器催化剂碳含量的动态软测量。通过监测相关生产变量的数据变化实现对DMTO装置催化剂定碳量的在线精确测量，用于评估催化剂活性和过程进度，辅助DMTO生产决策。
📄 2023103610342
📂 G16C20_30
👤 西南大学
📅 2023-04-06
柿子坊 · 知识产权运营
柿子坊知识产权运营平台