买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中山大学申请的专利一种基于随机森林和经验模态分解的感潮河段咸度预测方法和系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120449621B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510261972.4，技术领域涉及：G06F30/27；该发明授权一种基于随机森林和经验模态分解的感潮河段咸度预测方法和系统是由黄汉良;张靖文;吉静茹;康政;林凯荣设计研发完成，并于2025-03-06向国家知识产权局提交的专利申请。

本一种基于随机森林和经验模态分解的感潮河段咸度预测方法和系统在说明书摘要公布了：本申请实施例提供了一种基于随机森林和经验模态分解的感潮河段咸度预测方法和系统，属于感潮河段咸度预测技术领域。本发明能够获取枯水期数据；根据枯水期数据，获取不同滞后时间下的互信息；根据枯水期数据和不同滞后时间下的互信息，建立感潮河段咸度预测模型；根据感潮河段咸度预测模型，得到感潮河段咸度预测信息。本发明能够有效处理复杂信号的多频成分和滞后时间问题，提高模型的稳定性和预测精度。

本发明授权一种基于随机森林和经验模态分解的感潮河段咸度预测方法和系统在权利要求书中公布了：1.一种基于随机森林和经验模态分解的感潮河段咸度预测方法，其特征在于，所述基于随机森林和经验模态分解的感潮河段咸度预测方法，包括以下步骤： 获取枯水期数据； 根据所述枯水期数据，获取不同滞后时间下的互信息； 根据所述枯水期数据和所述不同滞后时间下的互信息，建立感潮河段咸度预测模型； 根据所述感潮河段咸度预测模型，得到感潮河段咸度预测信息； 所述根据所述枯水期数据和所述不同滞后时间下的互信息，建立感潮河段咸度预测模型，包括以下步骤： 根据所述枯水期数据，得到模型输入变量和模型预测变量；所述模型输入变量包括潮汐因子数据、风速数据、上游径流数据；所述模型预测变量包括咸度数据； 根据所述不同滞后时间下的互信息，识别出对咸度变化有影响的时间延迟信息，选取提供给模型训练的滞后时间； 建立分解框架；所述分解框架能够根据所述模型输入变量和所述模型预测变量，通过经验模态分解，得到本征模函数； 根据所述分解框架、所述提供给模型训练的滞后时间、所述模型输入变量和所述模型预测变量，得到感潮河段咸度预测模型； 所述建立分解框架，包括以下步骤： 建立X框架；所述X框架用于对所述模型输入变量进行经验模态分解，生成第一本征模函数，并将所述第一本征模函数合并为一个新的输入数据集，使用随机森林模型对所述输入数据集和所述模型预测变量进行训练，得到X框架的预测结果； 建立Y框架；所述Y框架用于对所述模型预测变量进行经验模态分解，生成第二本征模函数，并为每个所述第二本征模函数的分量设置一个随机森林模型，将所述模型输入变量作为每个随机森林模型的输入进行训练，采用直接加和、多元线性回归、人工神经网络整合集成每个随机森林模型的训练结果，得到Y框架的预测结果； 建立XY框架；所述XY框架用于对所述模型输入变量和所述模型预测变量同时进行经验模态分解，生成第三本征模函数，为每个所述第三本征模函数的分量建立随机森林模型，将经验模态分解后的所述模型输入变量作为每个随机森林模型的输入进行训练，采用直接加和、多元线性回归、人工神经网络整合集成每个随机森林模型的训练结果，得到XY框架的预测结果； 以所述X框架、所述Y框架和所述XY框架作为分解框架。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中山大学，其通讯地址为：510635 广东省广州市新港西路135号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。