龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：农业农村部环境保护科研监测所
申请日：2023-12-25
公开（公告）日：2024-06-21
公开（公告）号：CN118225633A
主分类号：G01N13/04
分类号：G01N13/04;G06F18/213;G06F18/214;G06F18/21;G06F18/2113;G06F18/243;G06N5/01;G06F18/25;G06F18/2411;G06F18/241;G06F18/2413
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及一种基于机器学习的溶质迁移能力预测方法，通过对流‑弥散模型分析获得土壤溶质迁移能力，基于土壤特征与溶质迁移能力，建立溶质在不同土壤条件下迁移能力的关联关系，并生成样本数据集，进而基于已建立的样本数据集驱动模型筛选，最终实现利用与溶质迁移高相关性土壤特征值预测土壤孔隙中特定溶质迁移能力。本发明能够将数字驱动模型应用于溶质迁移实验数据缺乏地区或土壤类型的溶质迁移预测中，从而精准预测土壤溶质迁移和富集。
主权项：1.一种基于机器学习的溶质迁移能力预测方法，其特征在于：包括以下步骤：步骤1、根据经纬度变化，选取不同地区的农田土壤作为样本土壤，同时获取样本土壤的土壤理化性质、物质组成和元素含量数据，对土壤特征进行提取并参数化，形成向量合集A1；步骤2、通过迁移实验装置以及对流-弥散模型和STANMOD软件拟合获得样本土壤内溶质迁移能力评价指标R并将评价指标R参数化；步骤3、根据步骤1向量合集A1及步骤2中参数化评价指标R生成土壤样本集合，从土壤样本集合中随机抽取n个样本作为验证集，其余N-n个样本作为训练集；步骤4、将步骤3中训练集利用五折交叉验证分别构建Adaboost、GBR、XGB、knn、支持向量机、神经网络和随机森林模型，并以MSE为横坐标，MAE为纵坐标建立2维空间MSE-MAE坐标系对上述7个模型进行误差评定拟合学习计算；步骤5、利用决定系数r2和MSE-MAE坐标系选取误差值最小的三个模型，并根据三个模型选取与土壤内溶质迁移能力相关度高的前9个特征向量；步骤6、将前9个特征向量与步骤2中土壤内溶质迁移能力特性标记向量R生成特征样本合集，并重新训练选取的三个模型后，得到土壤内溶质的迁移能力。
全文数据：
权利要求：
百度查询： 农业农村部环境保护科研监测所 一种基于机器学习的溶质迁移能力预测方法
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