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！

龙图腾网恭喜中国科学院合肥物质科学研究院申请的专利一种设施葡萄光合速率预测方法、系统、设备及储存介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119760668B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510271840.X，技术领域涉及：G06F18/27；该发明授权一种设施葡萄光合速率预测方法、系统、设备及储存介质是由李华龙;程彬彬;刘先旺;杨选将;麻之润;郭盼盼;李淼设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本一种设施葡萄光合速率预测方法、系统、设备及储存介质在说明书摘要公布了：本发明公开了一种设施葡萄光合速率预测方法、系统、设备及储存介质，涉及人工智能与农业技术领域，包括：将设施葡萄生产环境的多维数据特征输入到多模型融合模型中，所述多模型融合模型包括基学习器组和元学习器，网格搜索优化K最近邻模型、卡尔曼滤波优化高斯过程回归模型、长短期记忆网络模型、支持向量机组成基学习器组，极限梯度提升树模型作为元学习器；基学习器组中的每个模型输出一个临时光合速率预测值；以所有临时光合速率预测值叠加后作为元学习器的输入，从而输出最终光合速率预测值；该预测方法、系统、设备及储存介质显著提高了光合速率预测的准确性，有效减小了单一模型在复杂数据场景下的适应性不足问题。

本发明授权一种设施葡萄光合速率预测方法、系统、设备及储存介质在权利要求书中公布了：1.一种设施葡萄光合速率预测方法，其特征在于，包括：将设施葡萄生产环境的多维数据特征输入到多模型融合模型中，所述多模型融合模型包括基学习器组和元学习器，网格搜索优化K最近邻模型、卡尔曼滤波优化高斯过程回归模型、长短期记忆网络模型、支持向量机作为基学习器组成基学习器组，极限梯度提升树模型作为元学习器；基学习器组中的每个基学习器输出一个临时光合速率预测值；以所有临时光合速率预测值叠加后作为元学习器的输入，从而输出最终光合速率预测值；多模型融合模型通过堆叠Stacking框架将基学习器和元学习器融合，基学习器组中每个基学习器的训练过程中，堆叠Stacking框架在数据预处理阶段存在隐性交叉，具体为：利用卡尔曼滤波对原始数据集进行平滑处理，将所得到的状态预测值作为卡尔曼滤波优化高斯过程回归模型的输入特征，同时共享给长短期记忆网络模型作为输入特征；网格搜索优化K最近邻模型提取的局部邻域特征和长短期记忆网络模型提取的时序特征拼接为复合特征，将复合特征作为支持向量机的输入特征。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学院合肥物质科学研究院，其通讯地址为：230031 安徽省合肥市蜀山区蜀山湖路350号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。