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！

龙图腾网获悉东北大学申请的专利基于机器学习的锂冶金减污降碳多目标绩效评价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：CN121052712B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511605494.0，技术领域涉及：G06Q10/0639；该发明授权基于机器学习的锂冶金减污降碳多目标绩效评价方法是由王瑞晨;刘杰设计研发完成，并于2025-11-05向国家知识产权局提交的专利申请。

本基于机器学习的锂冶金减污降碳多目标绩效评价方法在说明书摘要公布了：本发明提供一种基于机器学习的锂冶金减污降碳多目标绩效评价方法，包括基于预设的核算边界，对锂冶金企业生产全过程开展年度污染物与温室气体产排节点梳理和生命周期核算，确定基础排放量和锂冶金减污降碳方案，对锂冶金减污降碳方案的各锂冶金减污降碳技术开展污染物和温室气体的生命周期核算，得到各技术的污染物减排量和温室气体减排量；基于各减排量、年化投资成本、运营维护成本和年度经济效益，开展经济分析，计算各技术的边际减排成本；将污染物排放量、温室气体排放量、各减排量和边际减排成本组成高维度数据集，采用机器学习模型对高维度数据集进行处理，输出各技术的评价结果，实现对所有污染物和温室气体协同控制效果的全面量化评估。

本发明授权基于机器学习的锂冶金减污降碳多目标绩效评价方法在权利要求书中公布了：1.一种基于机器学习的锂冶金减污降碳多目标绩效评价方法，其特征在于，包括： 基于预设的核算边界，对锂冶金企业生产全过程开展年度污染物与温室气体产排节点梳理以及生命周期核算，确定污染物的基础排放量和温室气体的基础排放量； 基于所述产排节点、所述污染物的基础排放量和所述温室气体的基础排放量，制定全流程减污降碳提升的锂冶金减污降碳方案，其中，锂冶金减污降碳方案包括多个锂冶金减污降碳技术； 对每个锂冶金减污降碳技术的锂生产全流程开展污染物和温室气体的生命周期核算，得到每个锂冶金减污降碳技术的污染物排放量和温室气体排放量； 根据所述污染物的基础排放量和所述污染物排放量，得到污染物减排量；以及，根据所述温室气体的基础排放量与温室气体排放量，得到温室气体减排量； 基于锂冶金企业提供的能源经济活动数据，计算对应的年化投资成本、运营维护成本和年度经济效益； 基于所述污染物减排量、所述温室气体减排量、所述年化投资成本、所述运营维护成本和所述年度经济效益，在预设行业规模的边界下，开展经济分析，计算得到每个锂冶金减污降碳技术的边际减排成本； 将所述污染物排放量、所述温室气体排放量、所述污染物减排量、所述温室气体减排量和所述边际减排成本组成高维度数据集，采用机器学习模型对所述高维度数据集进行处理，输出锂冶金减污降碳方案的评价结果； 其中，机器学习模型包括梯度提升机模型和或弹性网络模型； 采用机器学习模型对所述高维度数据集进行归一化处理，输出每个锂冶金减污降碳方案的评价结果，包括： 基于梯度提升机模型得到每个锂冶金减污降碳方案的评价结果的过程： 初始化基础预测器，所述基础预测器为基于损失函数最小化确定的常数模型； 计算当前梯度提升机模型的预测值与真实值之间的伪残差，将所述伪残差作为下一个弱学习器的拟合目标，所述弱学习器为决策树； 训练所述弱学习器对所述伪残差进行拟合，将所述弱学习器的预测结果以预设学习率叠加至当前梯度提升机模型，更新得到新梯度提升机模型； 重复伪残差计算、弱学习器训练和模型更新步骤，直至模型迭代次数达到预设次数或模型误差满足预设阈值，得到最终梯度提升机模型； 基于所述最终梯度提升机模型对标准化后的高维度数据集进行预测，得到每个锂冶金减污降碳技术的第一归一化结果； 基于弹性网络模型得到每个锂冶金减污降碳方案的评价结果的过程： 构建包含第一正则化项和第二正则化项的损失函数，所述第一正则化项用于实现变量选择，所述第二正则化项用于实现模型稳定性提升； 采用坐标下降法对所述损失函数进行优化，基于软阈值函数更新模型系数，所述软阈值函数基于偏残差与特征的协方差和预设阈值参数确定； 重复模型系数更新步骤，直至系数变化量满足预设收敛条件，得到最终弹性网络模型； 基于所述最终弹性网络模型对标准化后的高维度数据集进行预测，得到每个锂冶金减污降碳技术的第二归一化结果。

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东北大学，其通讯地址为：110819 辽宁省沈阳市和平区文化路3号巷11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。