一种基于LSTM网络的细菌素效价衰减动态预测方法及系统

本发明属于人工智能与生物防腐技术领域，具体公开了一种基于LSTM网络的细菌素效价衰减动态预测方法及系统，包括以下步骤：S1、数据采集与处理：在动态盐梯度环境下采集效价衰减时序数据；S2、构建模型架构：构建LSTM神经网络模型，包括输入层、隐藏层、输出层和全连接适配层；S3、模型训练；S4、实时输入盐度数据、时间数据和环境温度数据，输出半衰期预测值。本发明采用上述一种基于LSTM网络的细菌素效价衰减动态预测方法及系统，通过构建基于LSTM神经网络的动态预测模型，结合时序盐梯度数据，实现细菌素效价半衰期的高精度预测，突破时空分辨率不足的瓶颈，适用于精准预测复杂盐梯度环境下的防腐活性变化规律。