-
公开(公告)号：CN119026689B
公开(公告)日：2025-03-04
申请号：CN202411085919.5
申请日：2024-08-08
Applicant: 中国农业大学
Abstract: 本申请公开了一种耕地退化驱动因素解析的方法、设备、介质及产品，涉及农业耕地数据分析技术领域，该方法包括获取目标区域的耕地退化驱动因素解析数据集；对该数据集进行栅格化处理，得到栅格数据；根据时间序列数据，采用CCM模型进行时间因果推理，得到每两个解释变量之间的基于时间的因果方向和因果关系值；根据空间数据，采用GCCM模型进行空间因果推理，得到每两个解释变量之间以及解释变量与耕地退化数据之间的基于空间的因果方向和因果关系值；根据基于时间和空间的因果方向和因果关系值作为已知关系，构建因果关系图；将因果关系图用于SCM模型中得到耕地退化解析结果。本申请可以提升耕地退化驱动因素解析的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118656634B
公开(公告)日：2024-11-22
申请号：CN202411154774.X
申请日：2024-08-22
Applicant: 中国农业大学
IPC: G06F18/2135 , G06N20/00 , G06N3/126 , G06F17/16 , G06F17/18
Abstract: 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。
-
公开(公告)号：CN118656634A
公开(公告)日：2024-09-17
申请号：CN202411154774.X
申请日：2024-08-22
Applicant: 中国农业大学
IPC: G06F18/2135 , G06N20/00 , G06N3/126 , G06F17/16 , G06F17/18
Abstract: 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。
-
公开(公告)号：CN118051845B
公开(公告)日：2024-06-18
申请号：CN202410446330.7
申请日：2024-04-15
Applicant: 中国农业大学
IPC: G06F18/243 , G06F16/29 , G06N20/20
Abstract: 本发明提供一种基于空间变参数机器学习的地理空间全覆盖数据生成方法和装置，涉及地理信息科学技术领域。该方法包括：对目标区域逐步分区，每次分区后基于所述目标区域中各观测站点中的各类辅助变量和目标变量，计算当前分区状态下各类辅助变量与目标变量间关系的空间分层异质性；基于空间分层异质性确定目标分区状态；在目标分区状态下，针对所述目标区域中的各子区域分别构建空间变参数机器学习模型；基于各子区域对应的各空间变参数机器学习模型对目标区域中预设的各待预测点的目标变量分别进行插值预测，获得插值预测结果与不确定性分析结果。该发明能够根据有限观测站点数据插值出准确的地理空间全覆盖数据对应的空间分布图。
-
公开(公告)号：CN119026689A
公开(公告)日：2024-11-26
申请号：CN202411085919.5
申请日：2024-08-08
Applicant: 中国农业大学
Abstract: 本申请公开了一种耕地退化驱动因素解析的方法、设备、介质及产品，涉及农业耕地数据分析技术领域，该方法包括获取目标区域的耕地退化驱动因素解析数据集；对该数据集进行栅格化处理，得到栅格数据；根据时间序列数据，采用CCM模型进行时间因果推理，得到每两个解释变量之间的基于时间的因果方向和因果关系值；根据空间数据，采用GCCM模型进行空间因果推理，得到每两个解释变量之间以及解释变量与耕地退化数据之间的基于空间的因果方向和因果关系值；根据基于时间和空间的因果方向和因果关系值作为已知关系，构建因果关系图；将因果关系图用于SCM模型中得到耕地退化解析结果。本申请可以提升耕地退化驱动因素解析的准确性。
-
公开(公告)号：CN118051845A
公开(公告)日：2024-05-17
申请号：CN202410446330.7
申请日：2024-04-15
Applicant: 中国农业大学
IPC: G06F18/243 , G06F16/29 , G06N20/20
Abstract: 本发明提供一种基于空间变参数机器学习的地理空间全覆盖数据生成方法和装置，涉及地理信息科学技术领域。该方法包括：对目标区域逐步分区，每次分区后基于所述目标区域中各观测站点中的各类辅助变量和目标变量，计算当前分区状态下各类辅助变量与目标变量间关系的空间分层异质性；基于空间分层异质性确定目标分区状态；在目标分区状态下，针对所述目标区域中的各子区域分别构建空间变参数机器学习模型；基于各子区域对应的各空间变参数机器学习模型对目标区域中预设的各待预测点的目标变量分别进行插值预测，获得插值预测结果与不确定性分析结果。该发明能够根据有限观测站点数据插值出准确的地理空间全覆盖数据对应的空间分布图。
-
-
-
-
-
Search Results
6
records
(took 0.02 seconds)
