龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：北京市农林科学院信息技术研究中心
摘要：本发明提供一种土壤墒情预测方法、装置、电子设备及存储介质，包括：将待预测的土壤墒情数据输入训练好的梯度提升树预测模型，输出所述待预测的土壤墒情数据对应的土壤墒情预测信息；所述训练好的梯度提升树预测模型是根据携带土壤墒情信息标签的土壤墒情数据样本集训练后得到的，所述梯度提升树预测模型的目标超参数的数值是基于粒子群优化算法求解得到的。本发明实现了模型对复杂非线性关系的高精度拟合能力，通过将待预测的土壤墒情数据输入训练好的梯度提升树预测模型，可以实现高精度的土壤墒情实时预测，同时还避免了对农田土壤环境的破坏，节省了大量人力物力。
主权项：1.一种土壤墒情预测方法，其特征在于，包括：将待预测的土壤墒情数据输入训练好的梯度提升树预测模型，输出所述待预测的土壤墒情数据对应的土壤墒情预测信息；所述待预测的土壤墒情数据是从预设网格数据库中获取的多类土壤墒情影响因子的数据；所述预设网格数据库的数据源为多尺度协同数据融合得到，所述数据源包括墒情原位数据、静态空间数据和多时相遥感融合数据，所述多尺度协同数据包括地形地貌数据、土壤质地样本数据和遥感监测数据；所述训练好的梯度提升树预测模型是根据携带土壤墒情信息标签的土壤墒情数据样本集训练后得到的，所述梯度提升树预测模型的目标超参数的数值是基于粒子群优化算法求解得到的；基于粒子群优化算法求解得到所述目标超参数的数值的方法，包括：基于所述梯度提升树预测模型的目标超参数，确定粒子群；所述梯度提升树预测模型是基于XGBoost模型构建的，所述目标超参数至少包括：学习率、树的最大深度、子节点的权重阈值、最小划分损失、样本采样率和特征采样率；基于粒子群优化算法，对所述粒子群中的各个粒子的速度和位置进行迭代分析，确定适应度值最小的目标粒子；根据所述目标粒子，得到所述梯度提升树预测模型的目标超参数的数值。
全文数据：
权利要求：
百度查询： 北京市农林科学院信息技术研究中心 土壤墒情预测方法、装置、电子设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号