本公开涉及环境风险评估，尤其涉及一种氢氧化锂生产环境评估方法及系统。
背景技术：
1、近年来，随着氢氧化锂需求的增长，人们开始对其生产过程对环境造成的影响越来越关注。传统的环境影响评估方法通常依赖于实验数据和经验判断，这些方法效率低下且准确性有限。
2、为了解决这一问题，现有技术中引入神经网络和灰狼优化(gwo)算法，来进行环境影响评估领域，然而，标准的gwo算法在处理复杂问题时很容易陷入局部最优，从而影响了其优化效果；同时，神经网络模型存在训练效率低下和泛化能力不足的问题，导致在实际应用中神经网络模型训练时间长，即导致评估效率低，无法保证评估结果的准确性。
技术实现思路
1、有鉴于此，本公开实施例提供了一种氢氧化锂生产环境评估方法及系统，能够解决现有技术中存在的环境评估效率低、准确性差的问题。
2、第一方面，本公开实施例提供了一种氢氧化锂生产环境评估方法，包括：
3、建立基础神经网络模型；
4、构建自适应曲线灰狼优化算法；
5、基于所述自适应曲线灰狼优化算法对所述基础神经网络模型进行优化训练，获得训练好的所述基础神经网络模型；
6、基于氢氧化锂生产环境信息以及训练好的所述基础神经网络模型，获得氢氧化锂生产环境评估信息。
7、可选地，所述建立基础神经网络模型，包括：
8、确定网络结构；所述网络结构包括神经网络层数和每层的神经元数量；
9、对输入数据进行预处理；
10、确定损失函数和评价指标。
11、可选地，所述输入数据为与氢氧化锂生产相关的数据；所述预处理包括归一化、去噪；
12、所述损失函数包括均方误差函数；
13、所述评价指标包含准确率。
14、可选地，所述构建自适应曲线灰狼优化算法，包括：
15、确定初始灰狼优化算法；
16、基于预设策略对所述初始灰狼优化算法进行自适应调整，获得所述自适应曲线灰狼优化算法。
17、可选地，所述预设策略包括第一策略和第二策略：
18、所述第一策略包括在所述初始灰狼优化算法中引入随机生成的新个体；
19、所述第二策略包括将引入新个体后的种群分为若干子群在不同区域进行搜索。
20、可选地，所述引入随机生成的新个体，包括：
21、确定随机生成新个体的策略；所述策略包括初始化个体策略和引入频率策略；
22、融合所述新个体至所述初始灰狼优化算法的种群中。
23、可选地，所述将引入新个体后的种群分为若干子群在不同区域进行搜索，包括：
24、根据灰狼个体特征将整个种群划分为若干子群；
25、或者，基于不同的搜索策略整个种群划分为若干子群；
26、所述灰狼个体特征包括位置或适应度；
27、所述搜索策略包括探索策略和开发策略。
28、可选地，所述自适应曲线灰狼优化算法还包括：融合sigmoid函数优化搜索策略。
29、可选地，所述基于所述自适应曲线灰狼优化算法对所述基础神经网络模型进行优化训练，获得训练好的所述基础神经网络模型，包括：
30、将所述基础神经网络模型的权重和偏置参数编码为灰狼的位置；
31、在逐轮迭代的每次迭代中，根据所述自适应曲线灰狼优化算法更新每个灰狼的位置；
32、根据实际迭代进展，动态调整探索新区域与细化当前最优解的比例；
33、对于每个灰狼的当前位置，通过预设适应度函数进行评估，并在每次迭代后，选择适应度最高的灰狼位置作为神经网络的新参数；
34、当达到预设迭代次数或适应度满足预设阈值时，结束优化过程，即获得训练好的所述基础神经网络模型。
35、第二方面，本公开实施例还提供了一种氢氧化锂生产环境评估系统，包括：
36、第一构建模块，配置为建立基础神经网络模型；
37、第二构建模块，配置为构建自适应曲线灰狼优化算法；
38、优化模块，配置为基于所述自适应曲线灰狼优化算法对所述基础神经网络模型进行优化训练，获得训练好的所述基础神经网络模型；
39、输出模块，配置为基于氢氧化锂生产环境信息以及训练好的所述基础神经网络模型，获得氢氧化锂生产环境评估信息。
40、第三方面，本公开实施例还提供了一种电子设备，采用如下技术方案：
41、所述电子设备包括：
42、至少一个处理器；以及，
43、与所述至少一个处理器通信连接的存储器；其中，
44、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以上任一所述的氢氧化锂生产环境评估方法。
45、第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行以上任一所述的氢氧化锂生产环境评估方法。
46、本申请公开的氢氧化锂生产环境评估方法，通过建立基础神经网络模型，可以利用神经网络的强大数据处理能力来准确地分析和处理环境影响评估所需的复杂数据，这样可以提高评估的准确性和可靠性；通过构建自适应曲线灰狼优化算法，可以解决标准gwo算法容易陷入局部最优的问题，可以有效提高优化过程的效率和结果的质量；通过使用自适应曲线灰狼优化算法对基础神经网络模型进行优化训练，可以更好地调整和优化神经网络模型的参数，从而提高训练效果和泛化能力；基于氢氧化锂生产环境信息以及训练好的基础神经网络模型，可以得出准确的氢氧化锂生产环境评估信息，这些评估信息可以帮助决策者和相关利益方更好地了解和评估氢氧化锂生产过程对环境造成的影响，从而采取相应的措施进行环境保护和可持续发展。
47、本技术方案旨在提高氢氧化锂生产过程中环境影响评估的准确性和效率。传统的环境影响评估方法存在着效率不高、准确性有限的问题。为此，我们提出将自适应曲线灰狼优化(acgwo)算法融入神经网络反向传播的方法，以优化神经网络的学习过程，提升模型的泛化能力和准确性。相比于传统的灰狼优化算法，acgwo算法通过引入sigmoid函数，增强了算法的自适应能力和种群多样性，有效避免了过早收敛的问题。
48、上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
1.一种氢氧化锂生产环境评估方法，其特征在于，包括：
2.根据权利要求1所述的氢氧化锂生产环境评估方法，其特征在于，所述建立基础神经网络模型，包括：
3.根据权利要求2所述的氢氧化锂生产环境评估方法，其特征在于，所述输入数据为与氢氧化锂生产相关的数据；
4.根据权利要求1所述的氢氧化锂生产环境评估方法，其特征在于，所述构建自适应曲线灰狼优化算法，包括：
5.根据权利要求4所述的氢氧化锂生产环境评估方法，其特征在于，所述预设策略包括第一策略和第二策略：
6.根据权利要求5所述的氢氧化锂生产环境评估方法，其特征在于，所述引入随机生成的新个体，包括：
7.根据权利要求6所述的氢氧化锂生产环境评估方法，其特征在于，所述将引入新个体后的种群分为若干子群在不同区域进行搜索，包括：
8.根据权利要求7所述的氢氧化锂生产环境评估方法，其特征在于，所述自适应曲线灰狼优化算法还包括：融合sigmoid函数优化搜索yy+242065p
9.根据权利要求2所述的氢氧化锂生产环境评估方法，其特征在于，所述基于所述自适应曲线灰狼优化算法对所述基础神经网络模型进行优化训练，获得训练好的所述基础神经网络模型，包括：
10.一种氢氧化锂生产环境评估系统，其特征在于，包括：
