買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉山東省水利科學(xué)研究院申請的專利基于大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)用水智能決策方法及裝置獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120088092B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510578005.0，技術(shù)領(lǐng)域涉及：G06Q50/06；該發(fā)明授權(quán)基于大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)用水智能決策方法及裝置是由楊萌;畢華軍;李鵬明;孫力;王麗麗設(shè)計研發(fā)完成，并于2025-05-07向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)用水智能決策方法及裝置在說明書摘要公布了：本發(fā)明涉及人工智能與數(shù)據(jù)處理技術(shù)領(lǐng)域，具體涉及一種基于大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)用水智能決策方法及裝置，具體如下：采集土壤數(shù)據(jù)和氣象監(jiān)測數(shù)據(jù)，并記錄作物生長周期數(shù)據(jù)，然后構(gòu)成數(shù)據(jù)集，再根據(jù)對田塊進行手動標注；對數(shù)據(jù)集中采集的數(shù)據(jù)進行歸一化處理；構(gòu)建農(nóng)業(yè)用水智能決策分類模型，通過構(gòu)建代價敏感的特征交叉映射網(wǎng)絡(luò)、計算極限學(xué)習(xí)機的損失函數(shù)、基于蒸散量約束進行極限學(xué)習(xí)機的參數(shù)優(yōu)化和對閾值進行動態(tài)調(diào)整，對模型多次迭代訓(xùn)練得到訓(xùn)練后的模型；將新采集的數(shù)據(jù)經(jīng)過預(yù)處理后輸入至訓(xùn)練后的農(nóng)業(yè)用水智能決策分類模型進行處理，最終輸出決策結(jié)果。本發(fā)明可以解決農(nóng)業(yè)用水管理中的精度、魯棒性與可解釋性難題。

本發(fā)明授權(quán)基于大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)用水智能決策方法及裝置在權(quán)利要求書中公布了：1.一種基于大數(shù)據(jù)驅(qū)動的農(nóng)業(yè)用水智能決策方法，其特征是，包括以下步驟： S1、數(shù)據(jù)采集：通過土壤墑情傳感器采集土壤數(shù)據(jù)，通過氣象檢測設(shè)備采集氣象監(jiān)測數(shù)據(jù)，記錄作物生長周期數(shù)據(jù)，由采集的數(shù)據(jù)構(gòu)成用于訓(xùn)練的數(shù)據(jù)集，并根據(jù)采集的數(shù)據(jù)為對應(yīng)的田塊手動標注灌溉決策； S2、數(shù)據(jù)預(yù)處理：通過基于動態(tài)空間時間窗和空間類的分段歸一化策略對數(shù)據(jù)集中采集的數(shù)據(jù)進行歸一化處理； S3、對構(gòu)建的農(nóng)業(yè)用水智能決策分類模型進行訓(xùn)練：構(gòu)建農(nóng)業(yè)用水智能決策分類模型，通過構(gòu)建代價敏感的特征交叉映射網(wǎng)絡(luò)、計算極限學(xué)習(xí)機的損失函數(shù)、基于蒸散量約束進行極限學(xué)習(xí)機的參數(shù)優(yōu)化和對閾值進行動態(tài)調(diào)整； 將預(yù)處理后的數(shù)據(jù)輸入至農(nóng)業(yè)用水智能決策分類模型中進行訓(xùn)練，直至滿足預(yù)設(shè)的停止迭代條件，即完成農(nóng)業(yè)用水智能決策分類模型的訓(xùn)練； 模型包含極限學(xué)習(xí)機模型，輸入的數(shù)據(jù)首先通過極限學(xué)習(xí)機模型，通過極限學(xué)習(xí)機隱含層的計算，將預(yù)處理后的數(shù)據(jù)映射到?jīng)Q策空間，生成初步的決策； 再通過以下操作提高決策的準確性： 構(gòu)建代價敏感的特征交叉映射網(wǎng)絡(luò)，通過代價敏感學(xué)習(xí)機制，動態(tài)調(diào)整參數(shù)的權(quán)重；代價敏感學(xué)習(xí)機制采用雙通道交叉映射機制計算土壤數(shù)據(jù)和氣象數(shù)據(jù)在不同隱含層節(jié)點的激活值，具體通過交叉項設(shè)計能使農(nóng)業(yè)用水智能決策分類模型顯式學(xué)習(xí)土壤－氣象數(shù)據(jù)的協(xié)同效應(yīng)，并利用動態(tài)耦合系數(shù)通過門控機制調(diào)節(jié)不同數(shù)據(jù)組合的貢獻度； 采用基于代價敏感矩陣和樣本密度的雙權(quán)重調(diào)整機制，計算極限學(xué)習(xí)機的損失函數(shù)；極限學(xué)習(xí)機的損失函數(shù)采用基于代價敏感矩陣和樣本密度的雙權(quán)重調(diào)整機制計算極限學(xué)習(xí)機的損失函數(shù)，具體通過樣本密度權(quán)重緩解類別數(shù)量不平衡，并利用代價矩陣引入業(yè)務(wù)知識定義的代價差異； 基于蒸散量約束進行極限學(xué)習(xí)機的模型參數(shù)優(yōu)化； 用動態(tài)閾值調(diào)整機制，根據(jù)歷史數(shù)據(jù)波動自動調(diào)整決策閾值； 基于蒸散量約束進行極限學(xué)習(xí)機的模型參數(shù)優(yōu)化過程具體如下： 將高緯度地區(qū)潛在蒸散發(fā)計算方程FAOPenman-Monteith作為軟約束融入優(yōu)化過程，通過物理約束項確保模型預(yù)測符合水分傳輸?shù)幕疽?guī)律；然后，基于極限學(xué)習(xí)機的損失函數(shù)，采用改進的Nesterov加速梯度法進行極限學(xué)習(xí)機的參數(shù)更新； S4、農(nóng)業(yè)用水智能決策：將新采集的數(shù)據(jù)經(jīng)過預(yù)處理后輸入至訓(xùn)練后的農(nóng)業(yè)用水智能決策分類模型進行處理，最終輸出決策結(jié)果。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人山東省水利科學(xué)研究院，其通訊地址為：250014 山東省濟南市歷下區(qū)歷山路125號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。