(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 202211069754.3 (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 方利平　李芳柏　冉启旺　 (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 余凯欢 (51)Int.Cl. G16C 20/30(2019.01) G16C 20/64(2019.01) G16C 60/00(2019.01) G16C 20/70(2019.01) G06N 20/00(2019.01) (54)发明名称 一种炭基生物地质催化材料性质预测与制 备方法 (57)摘要 本发明公开了一种炭基生物地质催化材料 性质预测与制备方法， 制备方法包括： 对预测结 果进行标准化处理； 搭建基于条件变 分自编码器 的生成模型； 将各个目标数据输入对应的生成模 型进行训练， 得到预测模型； 配置目标生物炭的 性质参数， 使用生成模型生 成的数据进行逆 标准 化， 得到目标生物炭的性质参数的数据库， 将数 据库导入预测模型得到对应的生物炭的性质的 概率分布； 配置参数选择选择误差， 应用预测模 型筛选得到生物炭原材料组成和制备工艺参数； 根据生物炭原材料组成和制备工艺参数， 制备得 到目标生物炭； 其中， 各个候选模型对应的目标 数据采用炭基生物地质催化材料性质预测方法 得到。 本发明提高了准确性， 可广泛应用于环境 保护技术领域。 权利要求书2页 说明书11页 附图5页 CN 115497573 A 2022.12.20 CN 115497573 A 1.一种炭基生物地质催化材 料性质预测方法， 其特 征在于， 包括： 收集生物炭的历史经验数据； 对所述历史经验数据进行补缺处 理以及标准 化处理， 得到训练数据和验证数据； 将所述训练数据输入XGBo ost模型进行 预测训练， 得到多个候选模型； 将所述验证数据输入所述候选模型进行对应的学习， 使得各个候选模型能够提取对应 的特征信息； 根据学习好的候选模型， 得到对应各个候选模型的对应目标 数据作为预测结果。 2.根据权利要求1所述的炭基生物地质催化材料性质预测方法， 其特征在于， 所述将所 述训练数据输入XGBo ost模型进行 预测训练， 得到多个候选模型， 包括： 将训练数据输入搭建的XGBo ost模型； 使用不同参数通过五折交叉验证进行多次预测； 根据决定系数和均 方根误差对五折交叉验证的结果进行评价， 对比多次预测的评价结 果后， 选择评价分数最高的参数组合对应的XGBo ost模型用于后续预测； 其中， 所述XGBo ost模型中的参数包括 lr、 random、 n_est、 max_depth、 gram ma、 alpha。 3.根据权利要求1所述的炭基生物地质催化材料性质预测方法， 其特征在于， 所述方法 还包括： 通过SHAP方法对所述预测结果进行分析， 得到各种生物炭性质的重要性 排序。 4.一种炭基生物地质催化材 料制备方法， 其特 征在于， 包括： 对候选模型输出的预测结果进行 标准化处理， 得到各个候选模型对应的目标 数据； 利用TensorFl ow深度学习框架搭建基于条件变分自编码器的生成模型； 将各个所述目标 数据输入 对应的生成模型进行训练， 得到预测模型； 在所述预测模型中配置目标生物炭的性质参数， 使用所述生成模型生成的数据进行逆 标准化， 得到所述目标生物炭的性质参数的数据库， 将所述数据库导入所述预测模型， 得到 对应的生物炭的性质的概 率分布； 配置参数选择选择误差， 应用预测模型对数据库进行筛选， 得到最终合适的生物炭原 材料组成和制备工艺 参数； 根据所述 生物炭原材 料组成和制备工艺 参数， 制备 得到目标生物炭； 其中， 所述各个候选模型对应的目标数据采用 如权利要求1所述的炭基生物地质催化 材料性质预测方法得到 。 5.一种炭基生物地质催化材 料性质预测装置， 其特 征在于， 包括： 第一模块， 用于收集 生物炭的历史经验数据； 第二模块， 用于对所述历史经验数据进行补缺处理以及标准化处理， 得到训练数据和 验证数据； 第三模块， 用于将所述训练数据输入XGBo ost模型进行 预测训练， 得到多个候选模型； 第四模块， 用于将所述验证数据输入所述候选模型进行对应的学习， 使得各个候选模 型能够提取对应的特 征信息； 第五模块， 用于根据学习好的候选模型， 得到对应各个候选模型的对应目标数据作为 预测结果。 6.根据权利要求5所述的炭基生物地质催化材 料性质预测装置， 其特 征在于， 还 包括：权　利　要　求　书 1/2 页 2 CN 115497573 A 2第六模块， 用于通过SHAP方法对所述预测结果进行分析， 得到各种生物炭性质的重要 性排序。 7.一种炭基生物地质催化材 料制备装置， 其特 征在于， 包括： 第七模块， 用于对候选模型输出的预测结果进行标准化处理， 得到各个候选模型对应 的目标数据； 第八模块， 用于利用TensorFlow深度学习框架搭建基于条件变分自编码器的生成模 型； 第九模块， 用于将各个所述目标 数据输入 对应的生成模型进行训练， 得到预测模型； 第十模块， 用于在所述预测模型中配置目标生物炭的性质参数， 使用所述生成模型生 成的数据进行逆标准化， 得到所述 目标生物炭的性质参数 的数据库， 将所述数据库导入所 述预测模型， 得到对应的生物炭的性质的概 率分布； 第十一模块， 用于配置参数选择选择误差， 应用预测模型对数据库进行筛选， 得到最终 合适的生物炭原材 料组成和制备工艺 参数； 第十二模块， 用于根据所述 生物炭原材 料组成和制备工艺 参数， 制备 得到目标生物炭； 其中， 所述各个候选模型对应的目标数据采用 如权利要求5所述的炭基生物地质催化 材料性质预测装置得到 。 8.一种电子设备， 其特 征在于， 包括处 理器以及存 储器； 所述存储器用于存 储程序； 所述处理器执行所述程序实现如权利要求1至4中任一项所述的方法。 9.一种计算机可读存储介质， 其特征在于， 所述存储介质存储有程序， 所述程序被处理 器执行实现如权利要求1至4中任一项所述的方法。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 所述计算机程序被处理器执 行时实现如权利要求1至4任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115497573 A 3