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！

龙图腾网获悉深圳职业技术大学申请的专利一种基于堆叠集成学习模型的工业过程产品质量估计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：CN119417292B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202411452922.6，技术领域涉及：G06Q10/0639；该发明授权一种基于堆叠集成学习模型的工业过程产品质量估计方法是由谢森;孙伟航;卢山;李新超;吴婷设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种基于堆叠集成学习模型的工业过程产品质量估计方法在说明书摘要公布了：本发明公开了一种基于堆叠集成学习模型的工业过程产品质量估计方法，包括以下步骤：S1、利用卷积神经网络模型，对工业蒸发运行数据进行预处理并特征提取；S2、选择并训练基学习器；S3、选取梯度提升决策树作为堆叠集成学习模型的元学习器，将基学习器的预测结果和卷积神经网络模型提取的特征作为输入，估计出口铝酸钠溶液浓度；S4、计算出口溶液浓度估计值与实际测量值之间的误差，重新训练随机森林模型进行误差补偿，获得最终出口产品质量估计值。本发明采用上述的一种基于堆叠集成学习模型的工业过程产品质量估计方法，估计结果具有较高的精确性，可以解决当前工业背景下氧化铝生产过程多级蒸发工艺中出口铝酸钠溶液浓度估计难的问题。

本发明授权一种基于堆叠集成学习模型的工业过程产品质量估计方法在权利要求书中公布了：1.一种基于堆叠集成学习模型的工业过程产品质量估计方法，其特征在于，包括以下步骤： S1、利用卷积神经网络模型，对工业蒸发运行数据进行预处理并特征提取； 步骤S1中，利于卷积神经网络模型进行特征提取的步骤为： S11、将数据集按7：3比例，划分为训练集与测试集，将划分后的数据输入到训练的卷积神经网络模型中提取特征，通过卷积操作将二维数据转换为三维数据，卷积神经网络提取数据中的局部特征，卷积层是卷积神经网络的核心部分，用于从输入数据中提取特征，卷积操作的公式为： 其中，I是输入图像，K是卷积核，x,y是输出特征图的坐标，k是卷积核的大小； S12、通过池化层降低特征图的维度，同时将特征最明显的部分提取输入到下层，从2×2窗口中选择最大值； Px,y＝maxIx+i,y+jfori,j∈{1,2} 其中，Px,y是池化后的特征图位置，Ix+i,y+j是池化窗口中的输入值； S13、展平层将多维特征图展平为一维向量全连接层，将展平后的特征映射到最终输出，展平操作： FlattenP＝VectorP1,P2,...,Pn 其中，P是池化后的特征图，Vector是展平操作将其转换为一维向量； S2、选择并训练基学习器； S3、选取梯度提升决策树作为堆叠集成学习模型的元学习器，将基学习器的预测结果和卷积神经网络模型提取的特征作为输入，估计出口铝酸钠溶液浓度； S4、计算出口溶液浓度估计值与实际测量值之间的误差，重新训练随机森林模型进行误差补偿，获得最终出口产品质量估计值； 步骤S4中，计算出口溶液浓度估计值与实际测量值之间的误差，具体包括以下步骤： S411、训练元学习器，初始化模型为一个简单的估计器： S412、计算当前模型的估计值和实际值之间的残差，即出口浓度估计误差： S413、训练新模型在当前的残差上训练一个新的弱学习器决策树，该模型的目标是拟合残差： S414、更新模型将估计结果加权并添加到梯度提升决策树估计模型中；加权因子称为学习率，控制每个基学习器对最终估计的贡献程度： 最终模型的估计值是所有迭代中模型估计值的加权和： S415、堆叠集成学习模型通过预测实验筛选出最佳基学习器，使用基学习器输出作为元学习器的输入；然后利用元学习器进行估计，将基学习器学习过程产生估计结果整合； S416、将基学习器的估计结果和卷积神经网络模型提取的特征作为输入，训练梯度提升决策树作为元学习器；通过训练元学习器，得到工业蒸发出口铝酸钠溶液浓度估计结果； 步骤S4中，重新训练随机森林模型进行误差补偿，获得最终出口产品质量估计值，具体包括以下步骤： S421、计算模型初步得出的出口溶液浓度估计值与实际测量值之间的误差值； S422、将计算的误差值作为目标值，使用训练数据中的初步估计结果作为特征，即基学习器K近邻算法、支持向量机和随机森林估计值和卷积神经网络模型提取的特征，出口溶液浓度估计值与实际测量值之间的误差，输入到随机森林中，得出估计误差值； S423、将估计误差值补偿到元学习器输出估计值得到最终浓度估计结果；通过评价指标，验证出口铝酸钠溶液浓度估计模型的可行性。

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深圳职业技术大学，其通讯地址为：518000 广东省深圳市南山区西丽街道留仙大道7098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”。