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！

龙图腾网恭喜哈尔滨理工大学申请的专利一种昆虫种群动态的预报估计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：CN117910622B 。

龙图腾网通过国家知识产权局官网在2024-09-17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：202311847619.1，技术领域涉及：G06Q10/04；该发明授权一种昆虫种群动态的预报估计方法是由贾朝清;刘玉锋;武志辉;王雯迪;雷韬;褚洪淳;孙立丰;张庆博设计研发完成，并于2023-12-28向国家知识产权局提交的专利申请。

本一种昆虫种群动态的预报估计方法在说明书摘要公布了：本发明公开了一种昆虫种群动态的预报估计方法，所述方法包括如下步骤：一、建立昆虫种群的交互时滞不确定网络模型；二、对不确定网络模型设计预报器和估计器；三、针对第κ类昆虫种群，利用预报器计算相应的预报误差协方差矩阵上界Ψκ,ι+1|ι；步骤四、利用Ψκ,ι+1|ι优化设计估计器中的待定参数Ξκ,ι+1；五、将Ξκ,ι+1代入到估计器中，得到ι+1采样点处的估计值此时，判断当前采样点ι+1与交互时滞不确定网络模型估计总采样点Z的关系，若有ι+1＜Z，则执行六，否则循环结束；六、根据参数Ξκ,ι+1，计算不确定网络模型的估计误差协方差上界矩阵Ψκ,ι+1|ι+1；更新采样点令ι＝ι+1，执行二，止于等式ι+1＝Z成立。本发明可同时处理建模误差扰动、交互时滞和传感器异常对昆虫种群动态的影响，具有一定的鲁棒性和稳健性。

本发明授权一种昆虫种群动态的预报估计方法在权利要求书中公布了：1.一种昆虫种群动态的预报估计方法，其特征在于所述方法包括如下步骤：步骤一、建立如下昆虫种群的交互时滞不确定网络模型，所述不确定网络模型描述如下： yκ,ι＝φκ,ιCκ,ιxκ,ι+σκ,ι式中，κ∈[1,2,...S]表示昆虫种群类别，S表示昆虫总类别；表示在采样点ι处第κ类昆虫种群的动态向量，表示在采样点ι+1处第κ类昆虫种群的动态向量，代表维数为p的列向量全体集合；ωκκ,ι表示在采样点ι处κ类昆虫自身的耦合强度，ωκρ,ι表示在采样点ι处κ类昆虫与ρ类昆虫之间的连接强度；Y表示内耦合强度；表示在ι-d采样点处ρ类昆虫向κ类昆虫的传递向量，d表示不同昆虫的信息交互时滞；表示第κ类昆虫在采样点ι处的动态转移矩阵，代表p维方阵的全体集合，Hκ,ι和Fκ,ι分别表示第κ类昆虫在采样点ι处的建模误差系数矩阵和建模误差比例矩阵，Δκ,ι表示第κ类昆虫在采样点ι处的建模误差矩阵；Bκ,ι表示第κ类昆虫在采样点ι处的噪声分布矩阵，θκ,ι表示第κ类昆虫在采样点ι处的加性噪声；表示在采样点ι处对第κ类昆虫动态的实时观测值，代表维数为q的列向量全体集合；表示在采样点ι处对第κ类昆虫观测中的传感器异常现象；表示在采样点ι处对第κ类昆虫的观测矩阵，表示q×p维矩阵的全体集合；σκ,ι表示第κ类昆虫在采样点ι处的观测噪声；步骤二、对步骤一建立的不确定网络模型设计预报器和估计器，具体步骤如下：步骤二一、根据昆虫种群的交互时滞不确定网络模型，构造如下预报器模型： 式中，表示在采样点ι处对第κ类昆虫动态的预报值，表示在采样点ι处对第κ类昆虫动态的估计值，在采样点ι-d处对第κ类昆虫动态的估计值；步骤二二、基于步骤二一构造的预报器模型和传感器异常现象，建立如下形式的昆虫种群的动态估计模型： 式中，表示在采样点ι+1处对第κ类昆虫动态的估计值；表示估计器中的待定参数；表示在采样点ι+1处传感器异常现象的发生概率； 和分别表示在采样点ι+1处第κ类昆虫动态的观测值和在采样点ι+1处对第κ类昆虫的观测矩阵；步骤三、针对第κ类昆虫种群，利用步骤二中的预报器计算相应的预报误差协方差矩阵上界Ψκ,ι+1|ι，所述预报误差协方差矩阵上界Ψκ,ι+1|ι满足如下形式： 式中，Ψκ,ι+1|ι表示在采样点ι处对第κ类昆虫动态的预报值误差协方差矩阵；η1表示第一尺度标量，代表第一尺度标量的倒数，η2表示第二尺度标量，代表第二尺度标量的倒数，η3表示第三尺度标量，代表第三尺度标量的倒数；表示在采样点ι处对第κ类昆虫动态估计的二阶矩上界；Ψκ,ι|ι表示在采样点ι处对第κ类昆虫动态的估计值误差协方差矩阵，Ψκ,ι-d|ι-d表示在采样点ι-d处对第κ类昆虫动态的估计值误差协方差矩阵；ωκt,ι表示κ类昆虫与t类昆虫在采样点ι处的连接强度；Θκ,ι表示加性噪声θκ,ι的协方差；Aκ,ι+ωκκ,ιYT代表矩阵Aκ,ι+ωκκ,ιY的转置，表示Fκ,ι的转置，表示Hκ,ι的转置，YT表示Y的转置，表示Bκ,ι的转置；表示矩阵的迹；步骤四、利用步骤三所得预报误差协方差矩阵上界Ψκ,ι+1|ι优化设计估计器中的待定参数Ξκ,ι+1，所述待定参数Ξκ,ι+1的结构形式如下： 式中，Ξκ,ι+1表示在采样点ι+1处估计器4中的待定参数；表示在采样点ι+1处传感器异常现象的发生概率；代表的平方，Xκ,ι+1表示在采样点ι处对第κ类昆虫动态预报的二阶矩上界；Cκ,ι+1和Ωκ,ι+1分别表示表示在采样点ι+1处对第κ类昆虫的观测矩阵和观测噪声协方差矩阵，是观测矩阵Cκ,ι+1的转置；表示的逆运算；步骤五、将步骤四所确定的参数Ξκ,ι+1代入到步骤二中的估计器中，进一步得到ι+1采样点处的估计值此时，判断当前采样点ι+1与交互时滞不确定网络模型估计总采样点Z的关系，若有ι+1＜Z，则执行步骤六，否则循环结束；步骤六、根据步骤四中所确定的参数Ξκ,ι+1，计算不确定网络模型的估计误差协方差上界矩阵Ψκ,ι+1|ι+1；更新采样点令ι＝ι+1，执行步骤二，止于等式ι+1＝Z成立，所述估计误差协方差上界矩阵Ψκ,ι+1|ι+1满足如下形式： 式中，I是适当维数的单位矩阵；表示矩阵的转置，表示Ξκ,ι+1的转置。

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哈尔滨理工大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区学府路52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”。