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！

龙图腾网获悉西安理工大学申请的专利一种基于机器学习的微藻生长预测与优化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：CN119494085B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202510076605.7，技术领域涉及：G06F18/27；该发明授权一种基于机器学习的微藻生长预测与优化方法及系统是由邹小彤;徐开伟;方长青;赵少华;刘轲设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于机器学习的微藻生长预测与优化方法及系统在说明书摘要公布了：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。

本发明授权一种基于机器学习的微藻生长预测与优化方法及系统在权利要求书中公布了：1.一种基于机器学习的微藻生长预测与优化方法，其特征在于，包括以下步骤： S102：通过在线监测设备获取微藻培养过程中的多维环境参数以及微藻生长参数，预处理所述多维环境参数以及微藻生长参数之后进行特征样本的随机抽取，并对特征样本执行递归分裂和叠加搭建，得到多维环境参数以及微藻生长参数的特征变量随机森林模型； S104：基于所述特征变量随机森林模型的特征节点分布图以及节点值计算每一特征节点对于微藻生长的特征重要度，对特征重要度进行分析以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，通过机器学习算法对所述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； S106：获取微藻实际培养过程的实时微藻生长环境参数，通过训练完成的微藻生长预测模型对所述实时微藻生长环境参数进行预测，得到实际预测结果，获取培养条件动态变化下的多个实际预测结果以及期望预测结果并进行贝塞尔曲线的滑动平均值计算，基于滑动平均值更新预测模型的学习率； S108：获取微藻生长培养的目标函数，根据目标函数设定满足于微藻生长培养计划的优化目标以及预设不同生长培养参数的既定参数调控空间，基于优化目标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并将微藻生长表现的最新状态数据反馈入预测模型与优化模块，形成动态优化闭环； 其中，S106步骤中的获取培养条件动态变化下的多个实际预测结果以及期望预测结果并进行贝塞尔曲线的滑动平均值计算，基于滑动平均值更新预测模型的学习率，具体包括以下步骤： 引入贝塞尔曲线法，通过贝塞尔曲线法将多个所述实际预测结果进行曲线拟合，得到实际预测结果的贝塞尔曲线，定义为第一贝塞尔曲线；同步获取培养条件动态变化下的期望预测结果，构建期望预测结果的贝塞尔曲线，定义为第二贝塞尔曲线； 若第一贝塞尔曲线的斜率与第二贝塞尔曲线的斜率之间的斜率偏差值大于预设斜率偏差值，则基于斜率偏差值跟踪训练完成的微藻生长预测模型位于培养条件动态变化过程中的历史梯度平方并进行指数加权，得到一个滑动平均值； 跟踪过程中，获取微藻生长预测模型的当前学习率，通过滑动平均值对所述当前学习率进行调整更新，以使得训练完成的微藻生长预测模型适应动态变化的培养条件。

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西安理工大学，其通讯地址为：710000 陕西省西安市金花南路5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”。