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！

龙图腾网获悉江西理工大学申请的专利基于演化梯度提升树的稀土矿山边坡位移预测方法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：CN115758756B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202211472594.7，技术领域涉及：G06F30/20；该发明授权基于演化梯度提升树的稀土矿山边坡位移预测方法是由郭肇禄;李泓进;杨火根;周才英;张文生设计研发完成，并于2022-11-17向国家知识产权局提交的专利申请。

本基于演化梯度提升树的稀土矿山边坡位移预测方法在说明书摘要公布了：本发明公开了一种基于演化梯度提升树的稀土矿山边坡位移预测方法。本发明利用改进的人工蜂群算法来演化梯度提升树的训练参数，然后利用演化的梯度提升树模型实现稀土矿山边坡位移的预测。在改进的人工蜂群算法中，雇佣蜂根据个体适应值将种群分成两个子种群，两个子种群中的个体分别执行不同的搜索策略，并适应性地调整维度更新的数量，提升算法的搜索效率；侦察蜂执行高斯生成策略来增强算法的优化能力，从而提高稀土矿山边坡位移的预测精度。

本发明授权基于演化梯度提升树的稀土矿山边坡位移预测方法在权利要求书中公布了：1.一种基于演化梯度提升树的稀土矿山边坡位移预测方法，其特征在于，包括以下步骤： 步骤1，在稀土矿山边坡上布置位移传感器； 步骤2，利用布置的位移传感器采集边坡位移数据集； 步骤3，对采集到的边坡位移数据集进行归一化处理； 步骤4，将归一化后的边坡位移数据集划分成训练数据集和测试数据集； 步骤5，设置稀土矿山边坡位移的预测模型为梯度提升树模型； 步骤6，用户输入种群大小NP，最大迭代次数MAXG，以及最大限制次数Limit； 步骤7，设置当前迭代次数IG＝0； 步骤8，随机生成种群SDP＝{X1,X2,...,Xsi,...,XNP}，其中，个体下标si＝1,2,...,NP，并且Xsi＝{Xsi,1,Xsi,2,...,Xsi,mj,...,Xsi,NM}表示种群SDP中的第si个个体；个体Xsi中存储了预测稀土矿山边坡位移的梯度提升树模型的NM个训练参数；Xsi,mj表示个体Xsi中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；NM表示预测稀土矿山边坡位移的梯度提升树模型的训练参数的数量；维度下标mj＝1,2,...,NM； 步骤9，设置种群SDP中每个个体的未进化次数trialsi＝0； 步骤10，设置精英种群大小EN； 步骤11，计算种群SDP中每个个体的适应值Xfitsi，并将适应值最小的个体记为BestX； 步骤12，对种群SDP中的个体按照适应值从小到大的顺序进行排序得到排序后的种群TDP； 步骤13，设置精英种群ES为空，然后将排序后的种群TDP中的前EN个优秀个体复制到精英种群ES中； 步骤14，设置子种群SDP1为空，并设置子种群SDP2为空； 步骤15，根据公式1计算子种群SDP1的种群大小SPN； SPN＝floor0.5×NP1 其中，floor表示向下取整函数； 步骤16，将排序后的种群TDP中的前SPN个个体放到子种群SDP1中，然后将种群TDP中剩余的个体放入到子种群SDP2中； 步骤17，根据公式2计算个体的维度更新数量DM； 其中，ceil表示向上取整函数；sin表示正弦函数；π表示圆周率； 步骤18，从[1,NM]之间随机选择出DM个互不相同的整数组成集合Perm； 步骤19，根据公式3执行雇佣蜂搜索，生成新个体NXsi； 其中，φsi,mj是[-1,1]之间的随机实数；是[0,1.5]之间的随机实数；NXsi,mj表示新个体NXsi中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；BestXmj表示个体BestX中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；个体Xe1表示从精英种群ES中随机选择出来的个体；Xe1,mj表示个体Xe1中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xr1,mj表示种群SDP中第r1个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xr2,mj表示种群SDP中第r2个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xr3,mj表示种群SDP中第r3个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；r1、r2和r3是在[1,NP]之间随机选择出来的三个互不相同的整数； 步骤20，根据公式4执行交叉操作，生成试探个体Vsi； 其中，维度下标nj＝1,2,...,NM；Vsi,nj表示试探个体Vsi中存储的预测稀土矿山边坡位移的梯度提升树模型的第nj个训练参数； 步骤21，计算试探个体Vsi的适应值Vfitsi； 步骤22，如果试探个体Vsi的适应值Vfitsi大于个体Xsi的适应值Xfitsi，则设置trialsi＝trialsi+1；否则利用试探个体Vsi替换个体Xsi，并设置trialsi＝0； 步骤23，设置种群SDP为空，然后将子种群SDP1和子种群SDP2中的个体依次放入到种群SDP中； 步骤24，计算种群SDP中所有个体的选择概率； 步骤25，根据种群SDP中每个个体的选择概率，利用轮盘赌方法从种群SDP中选出个体Xpi，然后根据公式5执行跟随蜂搜索，生成试验个体Upi： Upi,mj＝Xk1,mj+φpi,mj×Xk2,mj-Xk3,mj5 其中，个体下标pi＝1,2,...,NP；φpi,mj是[-1,1]之间的随机实数；Upi,mj表示试验个体Upi中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xk1,mj表示种群SDP中第k1个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xk2,mj表示种群SDP中第k2个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xk3,mj表示种群SDP中第k3个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；k1、k2和k3是在[1,NP]之间随机选择出来的三个互不相同的整数； 步骤26，计算试验个体Upi的适应值Ufitpi； 步骤27，如果试验个体Upi的适应值Ufitpi大于个体Xpi的适应值Xfitpi，则设置trialpi＝trialpi+1；否则利用试验个体Upi替换个体Xpi，并设置trialpi＝0； 步骤28，从种群SDP中找出未进化次数最大的个体记为XMT，如果个体XMT的未进化次数trialMT小于Limit，则转到步骤29；否则根据公式6生成新个体newX，并利用newX替代个体XMT； 其中，GRand表示高斯随机数产生函数；abs表示取绝对值函数；newXmj表示新个体newX中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；Xt1,mj表示种群SDP中第t1个个体中存储的预测稀土矿山边坡位移的梯度提升树模型的第mj个训练参数；t1是在[1,NP]之间的一个随机整数； 步骤29，将种群SDP中适应值最小的个体记为BestX； 步骤30，设置当前迭代次数IG＝IG+1；如果当前迭代次数IG小于最大迭代次数MAXG，则转到步骤12；否则转到步骤31； 步骤31，从最优个体BestX中提取出预测稀土矿山边坡位移的梯度提升树模型的NM个训练参数； 步骤32，利用得到的NM个训练参数在训练数据集上训练出预测稀土矿山边坡位移的梯度提升树模型，即实现稀土矿山边坡位移的预测。

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江西理工大学，其通讯地址为：341000 江西省赣州市客家大道1958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。