基于深度学习的环保新材料配方智能优化与性能预测系统

本发明涉及深度学习技术领域，公开了基于深度学习的环保新材料配方智能优化与性能预测系统，包括：采集成分配比与工艺参数计算环保耦合属性因子，经双分支映射与注意力机制提取深层参量以生成全局配方表征矩阵；随后将该矩阵输入联合预测网络，输出预测力学与环保指标，并据此构造综合适配度评价函数；最后利用梯度寻优算法反向更新成分配比得出候选配方，同时根据实际反馈数据计算残差以更新网络权重。本发明将网侧迁移封闭历程引入模型与寻优过程，消除了细尺度组分在单网单向脱水工况下引发的线体迁移失真，提升了配方在实际连续工艺中的预测精度与上机转化率。