買(mǎi)專利賣(mài)專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉成都理工大學(xué)申請(qǐng)的專利基于XGBoost的協(xié)同克里格的污染評(píng)價(jià)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119671068B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-23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(qǐng)?zhí)?專利號(hào)為：202510188090.X，技術(shù)領(lǐng)域涉及：G06Q10/063；該發(fā)明授權(quán)基于XGBoost的協(xié)同克里格的污染評(píng)價(jià)方法是由曾鈴;袁夢(mèng);朱平平設(shè)計(jì)研發(fā)完成，并于2025-02-20向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于XGBoost的協(xié)同克里格的污染評(píng)價(jià)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明提供了一種基于XGBoost的協(xié)同克里格的污染評(píng)價(jià)方法，以土壤重金屬汞污染的空間分布預(yù)測(cè)為例，充分考慮多種輔助變量對(duì)汞含量的影響。本發(fā)明首先采用XGBoost回歸模型，訓(xùn)練各個(gè)輔助變量與汞含量之間的非線性關(guān)系，提取并整合所有輔助變量的信息，生成一個(gè)綜合的一維輔助變量。隨后，將該綜合輔助變量作為協(xié)同克里格插值的輔助因子，以優(yōu)化土壤汞含量的空間分布預(yù)測(cè)。相比于直接使用多個(gè)輔助變量的協(xié)同克里格方法，本發(fā)明能夠更有效地降低維度，提高預(yù)測(cè)精度和模型穩(wěn)定性，同時(shí)提升計(jì)算效率，為土壤污染評(píng)估提供了一種高效、精準(zhǔn)的預(yù)測(cè)手段。

本發(fā)明授權(quán)基于XGBoost的協(xié)同克里格的污染評(píng)價(jià)方法在權(quán)利要求書(shū)中公布了：1.基于XGBoost的協(xié)同克里格的污染評(píng)價(jià)方法，其特征在于，包括如下步驟： S1、采集目標(biāo)區(qū)域土壤樣本，記錄每個(gè)采樣點(diǎn)的地理坐標(biāo)、以及測(cè)試獲得每個(gè)土壤樣本的污染元素及其他元素含量，并將所有數(shù)據(jù)進(jìn)行清洗和預(yù)處理，并將數(shù)據(jù)集分為訓(xùn)練集和測(cè)試集； S2、建立XGBoost回歸模型，利用訓(xùn)練集學(xué)習(xí)輔助因子與目標(biāo)污染元素之間的非線性關(guān)系，利用測(cè)試集對(duì)模型進(jìn)行驗(yàn)證和優(yōu)化，整合所有輔助因子的影響，生成一個(gè)綜合變量，表征其對(duì)目標(biāo)汞元素的整體影響,具體方式為： S21、創(chuàng)建XGBoost回歸模型并訓(xùn)練模型，模型的形式可以表示為： 其中，是預(yù)測(cè)值，是第個(gè)基學(xué)習(xí)器，是基學(xué)習(xí)器的總數(shù)； S22、創(chuàng)建XGBoost目標(biāo)函數(shù)，通過(guò)梯度提升算法迭代地添加基學(xué)習(xí)器，對(duì)每一輪的基學(xué)習(xí)器利用目標(biāo)函數(shù)進(jìn)行更新，其中，目標(biāo)函數(shù)表示為： 式中，為第i個(gè)輸出結(jié)果，為第i個(gè)輸出結(jié)果的預(yù)測(cè)值,表示損失函數(shù)，是第個(gè)基學(xué)習(xí)器，是基學(xué)習(xí)器的總數(shù)；是正則化項(xiàng)，用于控制模型復(fù)雜度，表示為： ； 其中，是樹(shù)的葉子節(jié)點(diǎn)數(shù)，ω j 是葉子節(jié)點(diǎn)的權(quán)重,和是正則化參數(shù)，XGBoost通過(guò)梯度提升算法迭代地添加基學(xué)習(xí)器，對(duì)于每一輪基學(xué)習(xí)器，模型通過(guò)最小化目標(biāo)函數(shù)來(lái)更新； S23、XGBoost為當(dāng)前殘差構(gòu)建新樹(shù)，利用梯度和海森矩陣進(jìn)行分裂，在每個(gè)節(jié)點(diǎn)選擇特征和分裂點(diǎn),使得目標(biāo)函數(shù)最小化，表示為： 其中，和分別是當(dāng)前節(jié)點(diǎn)的總梯度和海森矩陣，下標(biāo)和是左右子節(jié)點(diǎn)的梯度和海森矩陣； S24、經(jīng)過(guò)多輪迭代后，得到多個(gè)樹(shù)輸出的最終預(yù)測(cè)模型，并通過(guò)每棵樹(shù)得到輸出，加總形成最終的綜合變量預(yù)測(cè)結(jié)果，表示為： 式中，是預(yù)測(cè)值，是第個(gè)基學(xué)習(xí)器，是基學(xué)習(xí)器的總數(shù)； S3、基于S2訓(xùn)練得到的XGBoost綜合變量作為輔助變量，采用協(xié)同克里格方法對(duì)汞污染元素進(jìn)行空間分布插值預(yù)測(cè)，其中所述綜合變量通過(guò)XGBoost非線性整合多個(gè)輔助因子生成，用于替代協(xié)同克里格中原始多輔助變量的獨(dú)立計(jì)算，具體包括如下步驟： S31、計(jì)算主變量和輔助變量各自的變異函數(shù)，并計(jì)算主變量與輔助變量之間的交叉變異函數(shù)，以表征變量的空間相關(guān)性和協(xié)同依賴性； S32、根據(jù)主變量協(xié)方差矩陣、輔助變量協(xié)方差矩陣以及二者之間的交叉協(xié)方差矩陣構(gòu)建組合協(xié)方差矩陣； S33、將組合協(xié)方差矩陣中主變量和輔助變量的空間信息進(jìn)行結(jié)合，構(gòu)建協(xié)同克里格方程，并通過(guò)求解方程獲取權(quán)重系數(shù)； S4、求解協(xié)同克里格方程得到土壤汞含量的空間分布預(yù)測(cè)值，并生成預(yù)測(cè)結(jié)果的土壤污染空間分布圖。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人成都理工大學(xué)，其通訊地址為：610059 四川省成都市二仙橋東三路1號(hào)；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)”。