[发明专利]识别持久性有机污染物的深度学习方法和装置

权利要求书

1.一种识别持久性有机污染物的深度学习方法，其特征在于，所述深度学习方法包括：

针对待识别的化合物，提取多个分子描述符，所述分子描述符的数量大于等于分子描述符阈值，所述分子描述符阈值为2201；

以预设方式对多个所述分子描述符进行排列，得到二维结构特征描述矩阵；

使用预先训练完成的深度卷积神经网络模型对所述二维结构特征描述矩阵进行处理，确定待识别的化合物是否为持久性有机污染物；

其中，所述预设方式与训练所述深度卷积神经网络模型的训练数据集中各样本被提取的所有分子描述符的排列方式相同。

2.根据权利要求1所述的深度学习方法，其特征在于，所述深度神经网络模型包括：输入层、隐层和输出层；

沿数据的处理方向，所述隐层依次包括：第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层和全连接层，与第一池化层还连接有第一遗忘门，与所述第二池化层还连接有第二遗忘门，与所述全连接层还连接有第三遗忘门。

3.根据权利要求1所述的深度学习方法，其特征在于，在所述针对待识别的化合物，提取多个分子描述符之前，所述深度学习方法还包括：

构建所述训练数据集，所述训练数据集包括：多种持久性有机污染物和多种非持久性有机污染物。

4.根据权利要求3所述的深度学习方法，其特征在于，所述持久性有机污染物的种类为1309，所述非持久性有机污染物的种类为9990；

所述分子描述符的数量为2201。

5.根据权利要求1所述的深度学习方法，其特征在于，所述使用预先训练完成的深度卷积神经网络模型对所述二维结构特征描述矩阵进行处理，确定待识别的化合物是否为持久性有机污染物，包括：

根据所述二维结构特征描述矩阵判断目标化合物是否低于设定阈值，若是，则确定待识别的化合物不为持久性有机污染物；若否，则确定待识别的化合物为持久性有机污染物。

6.一种识别持久性有机污染物的深度学习装置，其特征在于，所述深度学习装置包括：

提取模块，用于针对待识别的化合物，提取多个分子描述符，所述分子描述符的数量大于等于分子描述符阈值，所述分子描述符阈值为2201；

得到模块，用于以预设方式对多个所述分子描述符进行排列，得到二维结构特征描述矩阵；

确定模块，用于使用预先训练完成的深度卷积神经网络模型对所述二维结构特征描述矩阵进行处理，确定待识别的化合物是否为持久性有机污染物，训练所述深度卷积神经网络模型的训练数据集中各样本被提取的所有分子描述符的排列方式与所述预设方式相同。

7.根据权利要求6所述的深度学习装置，其特征在于，所述确定模块中的深度神经网络模型包括：输入层、隐层和输出层；

沿数据的处理方向，所述隐层依次包括：第一卷积层、第二卷积层、第一池化层、第三卷积层、第四卷积层、第二池化层和全连接层，与第一池化层还连接有第一遗忘门，与所述第二池化层还连接有第二遗忘门，与所述全连接层还连接有第三遗忘门。

8.根据权利要求6所述的深度学习装置，其特征在于，所述深度学习装置还包括：

训练数据集构建模块，用于构建训练数据集，所述训练数据集包括：多种持久性有机污染物和多种非持久性有机污染物。

9.根据权利要求8所述的深度学习装置，其特征在于，所述持久性有机污染物的种类为1309，所述非持久性有机污染物的种类为9990；

所述分子描述符的数量为2201。

10.根据权利要求6所述的深度学习装置，其特征在于，所述确定模块用于：

根据所述二维结构特征描述矩阵判断目标化合物是否低于设定阈值，若是，则确定待识别的化合物不为持久性有机污染物；若否，则确定待识别的化合物为持久性有机污染物。