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！

摘要：本申请公开了一种面向机器学习空间预测模型的样点布设方法、设备及介质，涉及土壤监测技术领域，该方法包括获取目标区域内用于抽样的空间单元以及待采样点的样点布设数据集；根据空间单元的数量，对辅助变量数据进行主成分分析，得到辅助变量数据的主成分得分矩阵；将主成分得分矩阵中特征值大于设定阈值的主成分变量作为新的辅助变量，得到新辅助变量数据集，并计算各主成分变量的方差贡献率；根据各主成分变量的方差贡献率和样本量，计算等累计概率分层数，得到各变量不同数目分层数；以新辅助变量的多维分层交叉组合为基础，按照对每一种多维分层交叉组合的代表性设定优化目标函数；利用进化算法，求解优化目标函数，得到最优样点布设方案。

主权项：1.一种面向机器学习空间预测模型的样点布设方法，应用于土壤属性预测中，其特征在于，所述样点布设方法包括：获取目标区域内用于抽样的空间单元以及所述目标区域内待采样点的样点布设数据集；所述样点布设数据集是由所述待采样点的辅助变量数据和空间位置坐标信息构成的；所述辅助变量数据为直接或间接表征目标属性数据的变量数据；所述辅助变量数据包括土壤类型、地形、气候、植被覆盖和人类活动；根据所述空间单元的数量，对所述辅助变量数据进行主成分分析，得到所述辅助变量数据的主成分得分矩阵；根据所述主成分得分矩阵，选取特征值大于设定阈值的主成分变量作为新的辅助变量，得到新辅助变量数据集；根据所述新辅助变量数据集中各主成分变量的特征值，计算各所述主成分变量的方差贡献率；根据新辅助变量数据集中各主成分变量的方差贡献率和样本量，计算等累计概率分层数，得到各变量不同数目分层数；其中，根据新辅助变量数据集中各主成分变量的方差贡献率和样本量，计算等累计概率分层数，得到各变量不同数目分层数，具体包括：根据公式=n，计算各变量不同数目分层数；其中，n为目标区域待布设样点的数量；为第j个主成分变量的分层数；=t，为第j个主成分变量的方差贡献率；t为待求解的常数；根据新辅助变量数据集中的变量数量和各变量不同数目分层数，以新辅助变量的多维分层交叉组合为基础，按照对每一种多维分层交叉组合的代表性设定优化目标函数；所述优化目标函数具体为：X=,； =,； =； ；其中，中表示m个主成分变量，表示每个变量被分为n层，X表示每个单元格，表示每个单元格实际样点，每个单元格理想样点为1，表示目标函数，表示总目标函数值；利用进化算法，求解优化目标函数，得到最优样点布设方案。

全文数据：

权利要求：

百度查询： 中国农业大学 面向机器学习空间预测模型的样点布设方法、设备及介质