[发明专利]人工智能预测活性成分动态溶解度的方法、设备及系统在审
| 申请号： | 201910991714.6 | 申请日： | 2019-10-18 |
| 公开（公告）号： | CN110766156A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 王昊昱;曹兆洋;王中彦;覃宁远 | 申请（专利权）人： | 王昊昱;曹兆洋;王中彦 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06Q10/04;G01N13/00 |
| 代理公司： | 34158 合肥方舟知识产权代理事务所(普通合伙) | 代理人： | 朱荣 |
| 地址： | 315100 浙江省宁波市泰*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了人工智能预测活性成分动态溶解度的方法、设备及系统，方法包括以下步骤：S1：任意选择一个影响活性成分化合物溶解度因素中的数据作为变量数据，在其他影响因素不变的情况下，通过多组实验得到溶解度数据，将变量数据与相对应的溶解度数据作为平行样本实验数据建立神经网络模型；S2：将新的活性成分的变量数据作为输入变量输入步骤S1建立的神经网络模型中，通过步骤S1建立的神经网络模型计算出预测数据，再利用导出公式进行修正预测出活性成分化合物的溶解度。本发明采用人工智能对单因素考察实验结果的预测来减少实验所需实验量，使研发时间和成本降低，且根据平行实验的标准差并剔除实验误差较大的异常数据，提高溶解度预测准确度。 | ||
| 搜索关键词： | 溶解度 神经网络模型 变量数据 活性成分化合物 溶解度数据 人工智能 预测 单因素考察 设备及系统 平行样本 实验数据 实验误差 输入变量 输入步骤 异常数据 影响因素 预测数据 准确度 标准差 再利用 导出 研发 剔除 平行 修正 | ||
【主权项】：
1.人工智能预测活性成分动态溶解度的方法，其特征在于，包括以下步骤：/nS1：任意选择一个影响活性成分化合物溶解度因素中的数据作为变量数据，在其他影响因素不变的情况下，通过多组实验得到溶解度数据，将变量数据与相对应的溶解度数据作为平行样本实验数据训练神经网络模型；/nS2：将新的活性成分的变量数据作为输入变量输入步骤S1训练后的神经网络模型中，通过步骤S1训练后的神经网络模型计算出预测数据，再利用导出公式进行修正预测出活性成分化合物的溶解度曲线。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于王昊昱;曹兆洋;王中彦，未经王昊昱;曹兆洋;王中彦许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910991714.6/，转载请声明来源钻瓜专利网。
