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！

龙图腾网获悉中国人民解放军国防科技大学申请的专利基于随机森林的高分辨率海洋温跃层深度快速重构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：CN119168095B 。

龙图腾网通过国家知识产权局官网在2025-06-06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：202411264727.0，技术领域涉及：G06N20/20；该发明授权基于随机森林的高分辨率海洋温跃层深度快速重构方法是由鲍森亮;关曾昕;任开军;赵延来;王辉赞设计研发完成，并于2024-09-10向国家知识产权局提交的专利申请。

本基于随机森林的高分辨率海洋温跃层深度快速重构方法在说明书摘要公布了：本发明提出了一种基于随机森林的高分辨率海洋温跃层深度快速重构方法，用于利用海表面数据对海洋温跃层深度进行快速重构和准实时获取；通过建立随机森林模型，利用海表面数据，如海表温度、盐度、海表面高度异常等，结合基于实测温度数据计算得到的温跃层深度的历史数据，将海表面要素与温跃层深度进行回归关系拟合，从而实现多源海洋数据融合和高分辨率温跃层深度快速重构的目标；为了训练模型，使用了大量的实测数据进行样本拟合和优化，以提高预测准确性；本发明具有准确、高效、适用性广泛的优点，可以提高海洋温跃层深度计算的时空分辨率，增强对海洋温度场的理解和预测能力，对海洋工程、物理海洋等领域具有重要意义。

本发明授权基于随机森林的高分辨率海洋温跃层深度快速重构方法在权利要求书中公布了：1.基于随机森林的高分辨率海洋温跃层深度快速重构方法，其特征在于，该方法分为以下步骤：S1：搜集待研究海区的实测温盐剖面资料，对所获得的资料进行预处理，得到温盐剖面数据集；S2：将S1得到的温盐剖面数据集，选择每一个温盐剖面表层的温盐数据作为对应的海表面温度SST、海表面盐度SSS数据，并用垂向梯度法，计算每一个温盐剖面的温跃层深度；S3：搜集待研究海区海表面高度异常SLA网格数据，使用基于三角网格的线性插值方法将SLA网格数据插值到含有温跃层的剖面所在的坐标点上；S4：构建月平均温跃层-海表面参数匹配数据集，具体如下：S4.1：将S2和S3得到的数据进行时空匹配和标准化处理，按月聚合，得到同一时空下匹配数据集X： 其中，数据集X中每个元素记为xi,j，xi,j表示第i个样本的第j个要素，所有样本的经纬度均一致；i＝[1，N]表示第1到N个样本，一个样本为矩阵X中的一行，每行含7个要素，j＝[1，7]表示第1到7个要素，对应矩阵X的7列：前6列为输入数据的6个要素：月份、经度、纬度、SST、SSS、SLA，最后一列标签数据为温盐剖面的温跃层深度数据，将作为重构模型的输出；从数据集X中提取1993-2017年1～12月数据作为训练集，2018-2020年1～12月数据作为测试集；S4.2：输入数据归一化，选择MinMax归一化方法，分别对j＝[1,6]的要素归一化到[0,1]区间，归一化方法具体如下： 其中，Xj表示数据集X的第j列元素，和分别表示数据集X第j列元素的最大和最小值；对于月份数据及经纬度数据，由于训练集与测试集在月份分布及待研究海区具有一致性，因此分别以其最大值、最小值作为相应的对于海表面参数SST、SSS、SLA，为保证其区间一致性，选择该参数的在理论范围的最大最小值作为相应的S5：基于随机森林方法构建温跃层深度重构模型，并训练和评估模型：S5.1基于随机森林方法构建温跃层深度重构模型S5.1.1以月份、经度、纬度和SSS、SST、SLA6个变量为温跃层深度重构模型输入，温跃层深度为模型输出，依据训练集数据量和输入数据的变量个数对随机森林方法的决策树数量n_estimators和最大分裂深度max_depth进行初步设置；S5.1.2从训练集中随机抽取出1个训练样本，将抽取出的样本放回训练集后再次随机抽取，重复n次，得到n个训练样本；S5.1.3在n个训练样本中随机选择一个训练样本，使用基尼指数来计算该训练样本数据的信息增益，以信息增益为指标对这个训练样本的特征进行筛选，直到寻找到最佳特征作为决策树的根节点的分裂特征，将根节点分裂为两个子节点，最后将训练样本分配到子节点中；重复上述步骤对子节点进行分裂，直到到达最大分裂深度max_depth，构建为1棵决策树；S5.1.4重复执行步骤S5.1.3，构建n_estimators棵决策树，组成随机森林，得到基于随机森林的温跃层深度重构模型；S5.2训练模型将S4.1中构建的训练集输入模型，对模型进行训练；S5.3评估模型将S4.1中构建的测试集输入S5.2训练好的温跃层深度重构模型，对于测试集中的每一个测试实例i，将模型输出温跃层深度结果Ti与温跃层深度标签数据Pi进行对比，以其相对误差mre作为评估指标评估模型重构效果： S5.4参数调整依据S5.3的相对误差mre，采用随机网格搜索方法对模型中决策树数量n_estimators和每棵树的最大分裂深度max_depth进行调整后重复S5.3再次评估模型，比较调整前后的模型评估结果，重复S5.2-S5.4直到得到获得最佳模型参数，包括决策树数量n_estimators和每棵树最大分裂深度max_depth，从而得到最优温跃层深度重构模型；S6：温跃层深度重构将待重构区域的SSS、SST、SLA、月份、经度、纬度6个变量输入S5得到的最优温跃层深度重构模型，得到该区域的温跃层深度重构结果。

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中国人民解放军国防科技大学，其通讯地址为：410073 湖南省长沙市开福区德雅路109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”。