一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法
专利汇可以提供一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法专利检索，专利查询，专利分析的服务。并且本 发明 公开一种基于ECSA的高斯过程回归的对硝基 苯酚 还原催化剂建模预测方法，包括以下步骤：对乌鸦搜索 算法 加入收缩环绕机制和模拟 退火 进行改进，得到增强型乌鸦搜索算法；对原始输入数据通过归一化，核PCA 降维 和均值漂移聚类对数据进行预处理；利用处理好的数据建立基于高斯过程回归模型的对硝基苯酚还原催化剂 预测模型 ；利用增强型的乌鸦搜索算法优化该预测模型的超参数；根据优化后的预测模型，筛选出最优的催化剂。本发明提出一种新的增强型乌鸦搜索算法，并将其用于优化高斯过程回归的对硝基苯酚还原催化剂建模预测，提高的模型预测 精度 和催化剂的筛选效率。，下面是一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法专利的具体信息内容。
1.一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法，其特征在于包括以下步骤：
步骤一：获取原始数据，组成基于增强型乌鸦搜索算法优化高斯过程回归的对硝基苯酚还原催化剂预测模型的数据集:原始数据包括63个化学元素的氧化生成焓、第一电离能、第二电离能、电偶极极化率、沸点、熔点、溶化热、汽化热、热导率、密度、离子半径、原子量、电负性、比热容、共价半径和离子价态16个物理化学性质；
步骤二：处理原始数据：对实验所需的原始数据先进行归一化处理，然后对归一化数据进行KPCA降维，将16维的数据降低到包含其80～85％的主成分的维数，再利用数据类型的相似性对元素进行均值漂移聚类，将63个元素分为m类,在这m类中选取具有代表性s个元素，从而得到处理后的建立预测模型的输入数据，利用这s个元素进行化学实验获取相应催化剂的反应活性指标，得到所需的输出数据；
步骤三：利用处理好的输入和输出数据建立基于高斯过程回归的对硝基苯酚还原催化剂预测模型；
步骤四：采用乌鸦搜索算法，优化基于高斯过程回归的对硝基苯酚还原催化剂预测模型的超参数，得到基于乌鸦搜索算法优化高斯过程回归的对硝基苯酚还原催化剂预测模型；
步骤五：采用建立好的基于增强型乌鸦搜索算法优化高斯过程回归的对硝基苯酚还原催化剂预测模型对除去s个元素以外的63个元素中其他元素输入数据进行预测，完成对所有元素的催化性能的预测，筛选得到催化性能最好的元素。
2.根据权利要求1所述的一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法，其特征在于利用处理好的输入数据和输出数据建立高斯过程回归模型具体实现方法为：将s个输入数据和输出数据分为训练数据(X，Y)和测试数据(X*，Y*)，根据训练输入数据和其对应的输出数据建立函数模型：Y＝f(X)，给予f(X)高斯过程先验即：f(X)～GP(μ(X),k(X ,X'))，其中，μ为均值函数，k为核函数，核函数采用RBF核函数，如下：
其中X'为核函数中心,σ为函数的宽度参数，控制了函数的径向
作用范围，由于训练数据和测试数据都属于同种分布，得到训练数据和测试数据的联合高斯分布： 根据训练输入输出数据，利用核函数并结合联合高斯分布，
便能得到高斯过程回归预测模型的输入和输出关系，最后在利用测试输入数据X*输入模型得到预测值 所述的基于增强型乌鸦搜索算法优化高斯过程回归模型的超参数x包括核函数的宽度参数σ和正则化参数C,即x＝{σ,C}。
3.根据权利要求2所述的一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测方法，其特征在于所述对乌鸦搜索算法进行改进，得到增强型乌鸦搜索算法，包括：乌鸦跟踪飞行阶段和解集更新过程；
在乌鸦跟踪飞行阶段，将乌鸦跟踪飞行按概率拆分成两个阶段，在第一阶段乌鸦飞行策略如下：xi,iter+1＝xi,iter+ri×fli,iter×(mj,iter-xi,iter)，式中xi,iter+1是位置更新后超参数值，xi,iter是当前迭代位置的超参数值，ri是0到1内的均匀分布的随机数，fli,iter是乌鸦的飞行半径，mj,iter是乌鸦的记忆位置；
在第二个阶段收缩环绕策略公式如下： 式中
gbest为当前种群中的最优个体, a是从2到0线性减小，r是[0,1]内
的均匀分布的随机数；
解集更新过程概率公式如下： 其中f(x)是适应度函数，x是当前位
置超参数值，x'是更新后的超参数值,T是初始温度,令Δf＝f(x')-f(x)，当Δf≤0，则接受更新超参数值作为下一次的初始超参数值，当Δf≥0，则计算更新超参数值接受的概率r,产生[0,1]区间均匀分布的伪随机数s,若r≤s，则接受更新超参数值作为下一次的初始超参数值，否则，仍取原来的超参数值作为下一次的初始超参数值,
通过基于增强型乌鸦搜索算法对建立的高斯过程回归预测模型进行超参数优化具体包括以下过程：
初始化增强型乌鸦搜索算法的参数设置、乌鸦种群个数和乌鸦记忆位置；
通过适应度函数 评估每个乌鸦个体的适应度值,其中Y*表示
测试输入数据X*对应的真实输出， 表示测试输入数据X*基于高斯过程回归模型的期望输出；
由乌鸦的飞行策略公式更新粒子的位置，评估新位置的适应度函数值，根据模拟退火概率性更新乌鸦的当前位置超参数值的更新，更新乌鸦的记忆位置；
重复上一步直到达到最大迭代次数或适应度值满足误差精度需要则停止该优化过程。
一种基于ECSA的高斯过程回归的4-NP还原催化剂建模预测
方法
技术领域
背景技术
发明内容
输出数据，利用核函数并结合联合高斯分布，便能得到高斯过程回归预测模型的输入和输出关系，最后在利用测试输入数据X*输入模型得到预测值 所述的基于增强型乌鸦搜索算法优化高斯过程回归模型的超参数x包括核函数的宽度参数σ和正则化参数C,即x＝{σ,C}。
的均匀分布的随机数；
具体实施方式
结合联合高斯分布，便能得到高斯过程回归预测模型的输入和输出关系，最后在利用测试输入数据X*输入模型得到预测值 所述的基于增强型乌鸦搜索算法优化高斯过程回归模型的超参数x包括核函数的宽度参数σ和正则化参数C,即x＝{σ,C}。
参数值，xi,iter是当前迭代位置的超参数值，ri是0到1内的均匀分布的随机数，fli,iter是乌鸦的飞行半径，mj,iter是乌鸦的记忆位置；
线性减小，r是[0,1]内的均匀分布的随机数；
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种双发油动变桨距多旋翼飞行器的飞行控制方法 | 2020-05-12 | 840 |
| 性能退化产品可靠度置信区间估计数值仿真方法 | 2020-05-12 | 535 |
| 一种电连接器加速退化试验方案优化方法 | 2020-05-12 | 9 |
| 一种基于行为的室内定位和地标语义标识的方法 | 2020-05-14 | 204 |
| 一种基于轨道交通车辆轮对寿命统计学模型的镟修方法 | 2020-05-14 | 521 |
| 一种行人导航定位中的自适应零速修正方法 | 2020-05-08 | 167 |
| 毫米波雷达成像与模式识别 | 2020-05-14 | 843 |
| 基于OpenStreetMap的高空间分辨率遥感影像迁移学习分类方法 | 2020-05-15 | 984 |
| 一种基于高光谱成像技术的烟草非烟物质分类方法 | 2020-05-16 | 644 |
| 融合卡尔曼和小波的MEMS陀螺仪自适应抗野值去噪方法 | 2020-05-11 | 948 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
