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！

龙图腾网恭喜东北林业大学;国家林业和草原局生物灾害防控中心申请的专利一种松材线虫病扩散蔓延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：CN118246596B 。

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：202410334837.3，技术领域涉及：G06Q10/04；该发明授权一种松材线虫病扩散蔓延预测方法是由周宏威;胡浩昌;刘国洋;方国飞;陈怡帆;孙红;杜俊设计研发完成，并于2024-03-22向国家知识产权局提交的专利申请。

本一种松材线虫病扩散蔓延预测方法在说明书摘要公布了：本发明提出一种松材线虫病扩散蔓延预测方法，属于森林保护学技术领域。包括以下步骤：S1.收集松材线虫病历史发生数据，并存储为栅格数据，再将栅格数据转换为矢量数据；S2.获取松材线虫病的影响因子历史发生数据并对影响因子的相关性进行分析；S3建构基于松材线虫病的传染病动力学模型；S4.建构PGNN物理引导神经网络混合模型；S5.将松材线虫病历史发生数据和相关度强的影响因子数据输入至PGNN物理引导神经网络混合模型中，输出松材线虫病扩散蔓延情况。S6.基于遗传优化算法对PGNN物理引导神经网络模型参数进行优化，返回至S5；解决现有技术中存在的缺乏高效、准确的预测方法的技术问题。

本发明授权一种松材线虫病扩散蔓延预测方法在权利要求书中公布了：1.一种松材线虫病扩散蔓延预测方法，其特征在于，包括以下步骤：S1.收集松材线虫病历史发生数据，并存储为栅格数据，再将栅格数据转换为矢量数据；S2.获取松材线虫病的影响因子历史发生数据并对影响因子的相关性进行分析；S3.建构基于松材线虫病的传染病动力学模型；所述S3中建构基于松材线虫病的传染病动力学模型的具体方法是：针对松树和媒介昆虫的感染过程定义为：总的宿主种群被划分为三个亚类：易感松树Sht、暴露的松树Eht和感染的松树Iht；易感松树：健康的且具有被线虫感染可能性的树木；暴露松树：已被线虫侵染但仍具有产脂能力的松树；感染松树：已经被线虫感染并失去分泌松脂能力的树木，因此，媒介昆虫产卵；媒介昆虫种群被划分为两个亚类：在时间t时不携带松材线虫的易感成虫Svt和在时间t时携带松材线虫的感染性成虫Ivt；建立关于松材线虫病传播的微分方程为： 其中，参数Λh为松树在时间t的恒定自然增长率，Λv为成虫在时间t的出现期间的恒定羽化率，松树和天牛作为媒介的平均自然均死亡率分别由μh和μv给出；参数θ为易感宿主松树自然死亡而不为被线虫感染的概率；线虫通过天牛取食和产卵传播到松树，α1为受感染的天牛通过接触而传播线虫的概率，α1ShIv为通过受感染的天牛通过接触而传播线虫途径新感染的发生率，α2为受感染的天牛通过产卵而传播线虫的概率，α2θShIv为通过受感染的天牛通过产卵而传播线虫途径新感染的发生率，参数β表示从暴露到受感染类的传输速率；γ1为当天牛出现在Ih类中时，松材线虫被树木直接感染的概率，γ1SvtIht为通过这一途径新感染的发生率，γ2为天牛在交配期间直接感染的概率；易感病媒通过以下两种途径感染：感染途径一：天牛出现在有感染性的树上时，松树就被感染了；感染途径二：通过与受感染的松树接触；S4.建构PGNN物理引导神经网络混合模型；S4具体是：fHPD:X＝[D,YPHY]→Y其中，fHPD为混合物理数据模型，X为实际值，D为原始历史发生输入数据，YPHY为传染病动力学模型的输出，Y为目标变量；使用先验知识作为神经网络的学习目标中，引入到神经网络的损失函数；对神经网络的损失函数优化为： 其中，R·为模型的复杂度，λ为权衡超参数；令G和H分别表示为物理模型的等式约束和不等式约束：GY,Z＝0HY,Z≤0其中，G为物理模型的等式约束，H为物理模型的不等式约束，Z为其它物理变量；则物理模型特征映射的损失函数优化为： 物理模型损失函数HY,Z≤0相结合，PGNN的LOSS函数优化为： S5.将松材线虫病历史发生数据和相关度强的影响因子数据输入至PGNN物理引导神经网络混合模型中，输出松材线虫病扩散蔓延情况；S6.基于遗传优化算法对PGNN物理引导神经网络模型参数进行优化，返回至S5。

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东北林业大学;国家林业和草原局生物灾害防控中心，其通讯地址为：150040 黑龙江省哈尔滨市和兴路26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”。