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！

龙图腾网获悉江南大学申请的专利基于可解释随机森林的工业物联网信道建模方法及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：CN121750130B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202610229032.1，技术领域涉及：H04B17/391；该发明授权基于可解释随机森林的工业物联网信道建模方法及系统是由刘洋;雷江瑶设计研发完成，并于2026-02-26向国家知识产权局提交的专利申请。

本基于可解释随机森林的工业物联网信道建模方法及系统在说明书摘要公布了：本发明涉及无线通信与机器学习交叉融合的技术领域，尤其是指基于可解释随机森林的工业物联网信道建模方法及系统。该方法包括构建包含多类工业场景、接收点视距状态与三维位置的信道数据集，经环境‑高度联合平衡采样与标准化预处理后，利用随机森林建立多输出回归模型，以系统参数为输入，联合预测均方根时延扩展、方位角扩展和俯仰角扩展；进一步通过带时间惩罚项的超参数优化提升模型效率与精度，并借助排列特征重要性与SHAP值分析，从全局与局部层面解释模型决策机制，验证其与物理传播规律的一致性。本发明实现了对工业无线信道关键统计特性的高精度、稳健且可解释的联合预测，可支持工业物联网通信系统的信道建模、网络规划与优化部署。

本发明授权基于可解释随机森林的工业物联网信道建模方法及系统在权利要求书中公布了：1.一种基于可解释随机森林的工业物联网信道建模方法，其特征在于，包括以下步骤： S1：获取工业物联网环境下的信道数据，提取环境类型、接收点视距条件、接收点三维坐标为输入特征，提取均方根时延扩展、均方根方位角扩展、均方根俯仰角扩展为输出目标，将获取的所述输入特征和所述输出目标进行环境-高度联合分组平衡采样，再经分层划分与标准化处理，得到训练集、验证集和测试集； S2：基于所述训练集，构建多输出随机森林回归模型，采用递归节点分裂与加权均方误差最小化准则进行模型训练，以联合预测多个信道统计参数；在训练过程中，利用所述验证集，通过融合时间惩罚项的网格搜索策略对模型超参数进行系统调优，以平衡模型预测精度与训练计算效率； S3：基于优化后的模型和所述测试集，采用排列特征重要性方法，对各信道统计参数的预测结果进行全局特征贡献度分析；并采用沙普利加性解释值方法，解析单一样本中各特征对多个信道统计参数的局部预测贡献；将分析结果与无线信号物理传播规律进行比对，验证模型决策机制的合理性，最终输出包含全局与局部解释的可解释性分析报告； 步骤S2中，构建多输出随机森林回归模型，采用递归节点分裂与加权均方误差最小化准则进行模型训练，以联合预测多个信道统计参数的方法如下： S21：初始化一个包含T棵回归树的随机森林，并设定初始超参数集合，其中为回归树的总数量、为单棵树允许生长的最大深度、为内部节点继续分裂所需的最小样本数、为叶节点所需的最小样本数、为在节点分裂时随机选择的最大特征数量； S22：对于森林中的每一棵回归树，执行以下训练过程： S221：从所述训练集中进行自助采样，生成该回归树的训练子集； S222：从根节点开始，对每一个待分裂节点递归执行以下操作： 从全部p个输入特征中随机选取一个大小为的特征子集，遍历所述特征子集中的每一个特征及其所有候选分裂阈值，依据加权均方误差最小化的准则，选择最优的分裂特征与分裂阈值； 依据选定的分裂特征与分裂阈值将当前节点分裂为左右两个子节点； S223：重复执行步骤S222，直至满足预设的停止条件，生成一棵完整的回归树； S23：完成所有T棵回归树的训练后，即构成所述多输出随机森林回归模型；对于新的输入特征向量，该模型的联合预测输出通过对所有回归树的预测结果取平均得到： ， 其中，为第t棵回归树的预测值，即其对应叶节点中所有训练样本输出目标向量的均值。

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南大学，其通讯地址为：214122 江苏省无锡市滨湖区蠡湖大道1800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。