買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中南大學申請的專利一種基于多變量交互關聯的燒結混料水分預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119851803B 。

龍圖騰網通過國家知識產權局官網在2025-09-16發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411938473.6，技術領域涉及：G16C20/30；該發明授權一種基于多變量交互關聯的燒結混料水分預測方法是由潘冬;盧帥;蔣朝輝;余浩洋;桂衛華設計研發完成，并于2024-12-26向國家知識產權局提交的專利申請。

本一種基于多變量交互關聯的燒結混料水分預測方法在說明書摘要公布了：一種基于多變量交互關聯的燒結混料水分預測方法，針對現有時序預測方法忽略變量之間的耦合關系和歷史自相關性，本發明提出一種基于交互關聯門機制的自相關門、互相關門算法，通過改進傳統門控循環單元，引入了自相關門和互相關門顯示挖掘序列自身的歷史相關性和過程變量之間的互相關性。為了解決傳統時序預測僅將預測值的準確性作為評判指標的問題，本發明通過設計一個融合預測值與趨勢引導的模型損失函數，為模型參數的更新提供反饋指導，使模型信息更加適用于時序預測和下游趨勢預報任務。綜上所述，本發明提出的方法能夠精確地對燒結混料水分及其趨勢進行預測，具備可信度高、準確性高等優點，也為時序預測提供了一種創新性的思路。

本發明授權一種基于多變量交互關聯的燒結混料水分預測方法在權利要求書中公布了：1.一種基于多變量交互關聯的燒結混料水分預測方法，其特征在于：具體過程如下： （1）針對燒結混料水分時序數據存在的非平穩、長期依賴性特性，設計一種序列平穩化處理方法，簡化了后續預測任務的難度； （2）針對燒結工業過程變量間的復雜關系，創建嵌入特征映射方法，為時序預測模型提供多變量間的關系信息，便于后續模型的構建； （3）提出基于交互關聯門機制的自相關門、互相關門算法，通過改進傳統門控循環單元，引入了自相關門和互相關門顯示挖掘序列自身的歷史相關性和過程變量之間的互相關性； 所述步驟（3）具體如下； Step1：為了捕捉混料水分序列與其自身歷史狀態的因果關聯，計算混料水分序列的自相關性估計，具體而言，針對每一個時間步，計算自相關性，公式如下所示： 19； 其中，、為混料水分時間序列的自相關權重與偏置，為混料水分與上一時刻隱狀態的自相關權重，是時間t時刻序列值； 緊接著為捕捉過程變量之間的潛在時序關聯，實現變量間更為高效的聯合建模，引入燒結過程變量的時序數據到分析框架中，對于燒結過程變量矩陣進行歸一化操作，消除量綱差異影響，并通過卷積操作學習權重并進行降維，得到包含更加關鍵信息的燒結相關過程變量抽象特征表示，公式如下所示： 20； 其中，為卷積操作，為Sigmoid激活函數，為相關過程變量的類別數目，為序列長度，計算混料水分與相關過程變量特征的互相關，公式如下: 21； 其中，、分別為混料水分與相關過程變量特征的互相關權重與偏置，為混料水分與各自上一時刻隱狀態的互相關權重； 以交互關聯門的計算結果用于更新模型隱狀態，從而將自相關性及互相關性通過隱狀態權重進行學習和傳遞，使模型能夠記憶全局狀態關聯信息，公式如下： 22； 其中，、分別用于混料水分隱狀態更新的自相關偏置、互相關偏置，表示對于自相關項和互相關項的權重超參數，為雙曲正切激活函數，為哈達瑪積運算； Step2：為了捕捉時間序列中不同時間步對預測結果的重要性，對于每個時間步，計算注意力得分，公式如下： 23； 其中，為第個時間步的隱藏狀態，為時間注意力權重向量，隨后對隱藏狀態進行加權求和，計算上下文向量，公式如下： 24； 最后，利用上下文向量通過輸出層生成最終的預測結果，具體計算公式如下： 25； 其中，為輸出層的權重矩陣，為輸出層的偏置向量； （4）設計一個融合預測值與趨勢引導的模型損失函數，為模型參數的更新提供反饋指導，使模型信息更加適用于時序預測和下游趨勢預報任務； （5）提出基于最小二乘的趨勢曲線的擬合處理方法，通過結合歷史與預測數據，實現對混料水分趨勢分類結果的精準預報。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中南大學，其通訊地址為：410083 湖南省長沙市岳麓區麓山南路932號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。