申请/专利权人:山东大学
申请日:2021-07-02
公开(公告)日:2021-10-12
公开(公告)号:CN113496355A
主分类号:G06Q10/06(20120101)
分类号:G06Q10/06(20120101);G06N3/08(20060101);G06N3/04(20060101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2021.10.29#实质审查的生效;2021.10.12#公开
摘要:本发明提供了一种基于机器学习的海洋工程示范区选址方法及系统,获取已有海洋工程示范区的地质条件、气象条件、水质条件、水质条件和环境条件,作为一级指标;采用机器学习对一级指标的各子指标进行敏感性的分析,筛选出符合要求的权重指标,作为二级指标;获取已有海洋工程示范区的适宜性评价结果;构建神经网络模型,利用传递函数计算神经网络模型的节点数,利用神经网络模型对已有海洋工程示范区的适宜性评价结果进行训练学习,形成评价模型;获取各候选区域的二级指标参数,利用所述评价模型对二级指标参数进行分析,得到各候选区域的适宜性分析结果,根据所述分析结果,确定最终选址区域。
主权项:1.一种基于机器学习的海洋工程示范区选址方法,其特征是:包括以下步骤:获取已有海洋工程示范区的地质条件、气象条件、水质条件、水质条件和环境条件,作为一级指标;采用机器学习对一级指标的各子指标进行敏感性的分析,筛选出符合要求的权重指标,作为二级指标;获取已有海洋工程示范区的适宜性评价结果;构建神经网络模型,利用传递函数计算神经网络模型的节点数,利用神经网络模型对已有海洋工程示范区的适宜性评价结果进行训练学习,形成评价模型;获取各候选区域的二级指标参数,利用所述评价模型对二级指标参数进行分析,得到各候选区域的适宜性分析结果,根据所述分析结果,确定最终选址区域。
全文数据:
权利要求:
百度查询: 山东大学 一种基于机器学习的海洋工程示范区选址方法及系统
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。