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！

龙图腾网恭喜南京信息工程大学申请的专利一种基于机器学习的地表温度估算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：CN119250235B 。

龙图腾网通过国家知识产权局官网在2025-03-28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：202411786015.5，技术领域涉及：G06N20/20；该发明授权一种基于机器学习的地表温度估算方法是由刘昕雨;张琪;程明磊设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本一种基于机器学习的地表温度估算方法在说明书摘要公布了：本发明公开了一种基于机器学习的地表温度估算方法，包括：收集近地面气象观测数据，建立气象资料数据库；整合气象资料数据库的气象数据，得到建模所需的样本；对样本进行逐层递进的三级情境划分，分别建立各个情境的训练数据库；结合各个情境的训练数据库，为不同情境分别优选模型的最优自变量组合与算法；采用各个情境最优的自变量组合和算法建立各情境的模型，通过交叉验证对模型进行逐个测试，确定各个情境下的模型的最适参数，完成模型训练；将待估算自变量输入对应情境的估算模型，进行地表温度估算，本申请对地表温度估算问题展开研究，进行情境划分，分别搭建各情境的地表温度估算模型，有效提高了地表温度估算精度和模型应用的普适性。

本发明授权一种基于机器学习的地表温度估算方法在权利要求书中公布了：1.一种基于机器学习的地表温度估算方法，其特征在于，包括：S1、收集近地面气象观测数据，建立气象资料数据库；S2、整合气象资料数据库中的气象数据，得到建模所需的样本；S3、对建模所需的样本进行逐层递进的三级情境划分，分别建立各个情境的训练数据库；S3中，依次按照气温、日照和土壤湿度进行逐层递进的三级情境划分；其中，对于划分气温情境和日照情境的阈值的确定步骤，包括：S31、将日最高气温、日最低气温、日平均气温、日照时数、日降水量、气象站编码与日序作为特征变量，将地表温度逐日观测数据作为目标变量，参考决策树算法的聚类结果，确定划分气温和日照情境的所有阈值分别的参考值；S32、以各个阈值的参考值为基准，向上和向下每变化1个单位为一个预设值，气温上下各变化5个单位，日照时数上下各变化2个单位，形成每个阈值分别的预设值的数集Ai={x1,x2,...,xn}；其中，i代表阈值，n为该阈值的预设值的个数；S33、计算所有阈值的预设值数集相乘的笛卡尔积，得到全部阈值配置组合；S34、遍历全部阈值配置组合划分的各种情境，并代入机器学习模型进行建模；S35、选取所有阈值配置组合中机器学习模型的均方根误差最低者，作为最优阈值配置组合；S36、根据最优阈值配置组合完成气温情境和日照情境的划分；对于气温情境的划分，采用日平均气温TEM_Avg进行划分，TEM_Avg≤10℃表示低温，10℃＜TEM_Avg＜34℃表示中温，TEM_Avg≥34℃表示高温；其中，中温分为中低温和中高温，10℃＜TEM_Avg≤18℃表示中低温，18℃＜TEM_Avg＜34℃表示中高温；对于日照情境的划分，采用日照时数dh进行划分，dh≤3h为寡照，dh＞3h为正常日照；对于土壤湿度情境的划分，采用滑动窗口法，根据降水量数据，划分土壤干旱和湿润情境；进行情境划分后，得到的情境包括：低温阴湿、低温干燥、低温湿润多照、中温阴干、中温阴湿、中低温干燥多照、中高温干燥多照、中低温湿润多照、中高温湿润多照以及高温；S4、结合各个情境的训练数据库，为不同情境分别优选模型的最优自变量组合与算法；S4中，为每种情境分别优选模型的最优自变量组合的方法包括：S401、采用穷举法对自变量进行组合，得到不同自变量组合；S402、以地表温度为目标变量，遍历所有自变量组合并结合该情境的训练数据库代入机器学习模型进行拟合实验；S403、选取拟合实验结果中均方根误差最低的自变量组合作为最优自变量组合；为每种情境分别优选模型的最优算法的方法包括：S411、将最优自变量组合分别代入不同的机器学习算法进行拟合实验；S412、选取拟合实验结果中均方根误差最低的机器学习算法作为最优算法；S5、采用各个情境最优的自变量组合和算法建立各情境的模型，通过交叉验证对模型进行逐个测试，确定各个情境下的模型的最适参数，完成模型训练；交叉验证的具体步骤为：采用k折交叉验证，k值设定为5；对于每个类别，使用train函数训练模型，并使用指定参数网格进行调优；S6、将待估算自变量输入对应情境的估算模型，进行地表温度估算。

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南京信息工程大学，其通讯地址为：210044 江苏省南京市宁六路219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”。