(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211071073.0 (22)申请日 2022.09.02 (71)申请人 广东省科 学院生态 环境与土 壤研究 所 地址 510650 广东省广州市天源路808号 (72)发明人 李芳柏　方利平　殷蒙蒙　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 麦广林 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 炭基地质催化材料固定镉协同甲烷减排预 测方法、 装置及 介质 (57)摘要 本发明公开了一种炭基生物地质催化材料 固定镉协同减排甲烷效果的预测方法、 计算机装 置及存储介质， 炭基生物地质催 化材料固定镉协 同减排甲烷效果的预测方法包括获取训练数据 集和验证数据集， 搭建基于软参数共享机制的多 任务神经网络， 将训练数据集输入至多任务神经 网络进行训练， 将验证数据集输入至多任务神经 网络进行结果预测， 获取多任务神经网络输出的 镉钝化率和甲烷减排率协同预测结果等步骤。 本 发明可以同时预测炭基生物地质催化材料钝化 镉和减排甲烷的效率， 无计算化学基础的研究人 员也可方便使用， 大大减少了人力物力的浪费， 对炭基生物地质催化材料修复重金属污染土壤 并减少温室气体排放具有重要意义。 本发明广泛 应用于机器学习技 术领域。 权利要求书2页 说明书8页 附图3页 CN 115481790 A 2022.12.16 CN 115481790 A 1.一种炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法， 其特征在于， 所 述炭基生物地质催化材 料固定镉协同减排甲烷效果的预测方法包括： 获取训练数据集； 所述训练数据集包括镉钝 化和甲烷减排数据； 搭建基于软参数共享机制的多任务神经网络； 将所述训练数据集输入至所述多任务神经网络进行训练， 使用不同参数值对经过训练 的所述多任务神经网络进行 预测验证， 选择 出参数组合 最佳的多任务神经网络； 获取验证数据集； 将所述验证数据集输入至被选择 出的所述多任务神经网络进行 结果预测； 获取所述多任务神经网络进行结果预测后输出的镉钝化率和甲烷减排率协同预测结 果。 2.根据权利要求1所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方 法， 其特征在于， 所述获取训练数据集， 包括： 搜索以生物炭为代表的炭基生物地质催化材料修复镉污染土壤或影响甲烷排放的已 发表文献； 从所述已发表文献中收集参数数据组成所述训练数据集； 所述参数数据包括炭基生物 地质催化材 料特性、 土壤性质、 施用条件和处 理效果。 3.根据权利要求1所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方 法， 其特征在于， 所述搭建基于软参数共享机制的多任务神经网络， 包括： 基于软参数共享设计多任务深度学习 模型； 所述多任务深度学习 模型包括前馈深度 学 习神经网络， 以及 在所述前馈深度学习神经网络的基础上设计的多层神经网络； 对每层所述神经网络都采用张量跟踪规范。 4.根据权利要求1所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方 法， 其特征在于， 所述将所述训练数据集输入至所述多任务神经网络进行训练， 包括： 获取所述训练数据集对应的镉钝 化率和甲烷减排 率的真实值； 将所述训练数据集输入至所述多任务神经网络； 获取所述任务神经网络 输出的镉钝 化率和甲烷减排 率的预测值； 获取训练过程的总体损失值； 所述总体损失值为所述预测值和所述真实值的均 方误差 的均值， 与不同权 重的共享层的迹范 数总和的加 和； 引入keep_prob参数来避免所述多任务神经网络过拟合； 采用RMSProp算法优化损失函数和学习率进行反向传播， 更新所述多任务神经网络的 参数。 5.根据权利要求4所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方 法， 其特征在于， 所述使用不同参数值对经过训练的所述多任务神经网络进行预测验证， 选 择出参数组合 最佳的多任务神经网络， 包括： 依次使用不同的参数值， 通过五折交叉验证， 对所述多任务神经网络进行多次预测验 证； 选择一组最优的超参数， 使得所述多任务神经网络在所述验证数据集上的效果达到最 优。 6.根据权利要求1 ‑5任一项所述的炭基生物地质催化材料固定镉协同减排甲烷效果的权　利　要　求　书 1/2 页 2 CN 115481790 A 2预测方法， 其特征在于， 所述炭基生物地质催化材料固定镉协同减排甲烷效果的预测方法 包括： 在将所述训练数据集输入至所述多任务神经网络进行训练之前， 对所述训练数据集进 行预处理； 在选择出参数组合最佳的多任务神经网络之后， 对被选择出的所述多任务神经网络进 行SHAP分析。 7.根据权利要求6所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方 法， 其特征在于， 所述对所述训练数据集进行 预处理， 包括： 通过统一的转换原则， 将所述训练数据集依次进行 单位归一 化处理； 对所述所述训练数据集中存在缺失值的数据点， 采用多重插补填补相应的缺失值； 对所述训练数据集进行 标准化处理。 8.根据权利要求6所述的炭基生物地质催化材料固定镉协同减排甲烷效果的预测方 法， 其特征在于， 所述对被选择 出的所述多任务神经网络进行SHAP分析， 包括： 利用tf.t rain.Saver()操作， 将被选择 出的所述多任务神经网络保存到相应路径； 定义含模型加载路径的分析函数， 加载并训练所述多任务神经网络； 将所述多任务神经网络预测定义 为模型预测模块， 接入shap.K ernel解释器； 利用SHAP分析， 对所述多任务神经网络进行特征重要性、 部分依赖图以及交互依赖的 分析， 以解释模型 结果。 9.一种计算机装置， 其特征在于， 包括存储器和处理器， 所述存储器用于存储至少一个 程序， 所述处理器用于加载所述至少一个程序以执行权利要求1 ‑8任一项所述的炭基生物 地质催化材 料固定镉协同减排甲烷效果的预测方法。 10.一种计算机可读存储介质， 其中存储有处理器可执行的程序， 其特征在于， 所述处 理器可执行的程序在由处理器执行时用于执行权利要求 1‑8任一项所述的炭基生物地质催 化材料固定镉协同减排甲烷效果的预测方法。权　利　要　求　书 2/2 页 3 CN 115481790 A 3