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！

龙图腾网获悉北京信息科技大学申请的专利基于剪枝双Q学习回声状态网络的出水氨氮浓度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：CN121051680B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202511145040.X，技术领域涉及：G06F18/25；该发明授权基于剪枝双Q学习回声状态网络的出水氨氮浓度预测方法是由王磊;杨旭;代德媛;文艺;吕锡博;王俊璞设计研发完成，并于2025-08-15向国家知识产权局提交的专利申请。

本基于剪枝双Q学习回声状态网络的出水氨氮浓度预测方法在说明书摘要公布了：本发明公开了一种基于剪枝双Q学习回声状态网络的出水氨氮浓度预测方法，采集污水处理的实时监测数据，对所述实时监测数据进行预处理，得到监测数据集；通过皮尔逊相关系数初步筛选得到待选辅助变量，基于最大相关度‑最小冗余度算法进一步筛选所述辅助变量确定最终辅助变量集；构建包含输入层、储备池层和输出层的回声状态网络，训练网络输出权值，得到最优储备池结构；将测试样本中的辅助变量输入所述回声状态网络，输出出水氨氮浓度预测结果。本发明降低传统网络的高估偏差，避免过早收敛或陷入次优剪枝配置；选择矩阵保持储备池权重范数单调不增，克服了单一网络易陷入局部最优的问题，进一步提高了算法的收敛性和模型的鲁棒性。

本发明授权基于剪枝双Q学习回声状态网络的出水氨氮浓度预测方法在权利要求书中公布了：1.一种基于剪枝双Q学习回声状态网络的出水氨氮浓度预测方法，其特征在于：包括以下步骤， 采集污水处理的实时监测数据，对所述实时监测数据进行预处理，得到监测数据数据集; 将所述监测数据数据集分为训练样本和测试样本；通过皮尔逊相关系数初步筛选得到待选辅助变量，基于最大相关度-最小冗余度算法进一步筛选所述辅助变量确定最终辅助变量集； 构建包含输入层、储备池层和输出层的回声状态网络，利用主成分分析对储备池神经元进行预剪枝，计算神经元贡献度并去除低贡献神经元；基于预剪枝后的神经元，通过剪枝双重深度Q网络算法进行二次剪枝，构建主网络和目标网络，采用ε贪心策略选取动作，结合奖励函数和TD目标更新网络，得到最优储备池结构，训练网络输出权值，得到最优回声状态网络; 将测试样本中的辅助变量输入所述回声状态网络，输出出水氨氮浓度预测结果; 所述剪枝双重深度Q网络算法中，奖励函数计算公式为： 9 其中，为预剪枝后的预测误差，为再剪枝后的预测误差，为自适应系数，为剪枝动作，为预剪枝后剩余神经元数量; 所述剪枝双重深度Q网络算法的TD目标计算公式为： ； 其中，是奖励值；是折扣因子；是最优动作；函数选取目标网络中采用动作后值较小的Q值。

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北京信息科技大学，其通讯地址为：100192 北京市海淀区清河小营东路12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。