浙江大学杨春节获国家专利权
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！
龙图腾网获悉浙江大学申请的专利基于时序图卷积网络的高炉铁水硅含量预测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：CN116432699B 。
龙图腾网通过国家知识产权局官网在2025-11-07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：202310301979.5，技术领域涉及：G06N3/0442；该发明授权基于时序图卷积网络的高炉铁水硅含量预测方法是由杨春节;孔丽媛设计研发完成，并于2023-03-27向国家知识产权局提交的专利申请。
本基于时序图卷积网络的高炉铁水硅含量预测方法在说明书摘要公布了：本发明公开了一种基于时序图卷积网络的高炉铁水硅含量预测方法。首先，它将高炉炼铁数据通过时间窗序列化，序列化的时间片段被输入到一个双通道并行的网络架构，分别提取变量间耦合关系以及变量内动态性。对于变量间耦合关系提取的空间通道，图结构学习模块首先将时间片段转化为不规则的图结构，在学习到的图结构基础上开展图卷积操作。对于动态性捕捉的时序通道，利用长短时记忆网络捕捉数据中的时序信息。这一架构实现了高炉炼铁数据的时空特征协同提取，有利于模型对高炉复杂的状况进行更精准地建模，提高了模型的表征能力，从而提升了模型的预测精度。
本发明授权基于时序图卷积网络的高炉铁水硅含量预测方法在权利要求书中公布了：1.一种基于时序图卷积网络的高炉铁水硅含量预测方法，其特征在于，步骤如下： 步骤1：对高炉炼铁的工艺参数和硅含量进行相关性分析，选取用于预测的过程变量； 步骤2：将高炉炼铁的过程变量通过时间窗序列化； 步骤3：将时间序列片段输入到并行的时序通道和空间通道；在空间通道中，首先利用图结构学习模块构建表征变量间耦合关系的图结构，在图结构和时间序列的基础上，进行图卷积操作，获取高炉炼铁数据的空间特征；在时序通道中，利用长短时记忆网络LongShort-TermMemoryNetwork，LSTM捕捉数据中的时序信息，获取时序特征； 步骤4：将时序特征和空间特征通过横向连接进行特征融合，完成时空特征的协同提取； 步骤5：在时空特征的基础上，通过全连接网络完成硅含量的预测。
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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励