申请/专利权人：桂林理工大学;江门双碳实验室

申请日：2023-01-30

公开（公告）日：2023-04-25

公开（公告）号：CN116011658A

主分类号：G06Q10/04

分类号：G06Q10/04;G06F30/27;G06N20/00;G06F17/15

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.05.12#实质审查的生效;2023.04.25#公开

摘要：本发明公开了一种考虑野火影响的雪水当量的预测方法，包括：获取完全覆盖待预测雪山区域的雪水当量原始遥感数据集，处理得到历史多年间每天的雪水当量数据集；提取能清晰定位雪山区域的多个特征，训练、监督机器学习模型，以自适应的方式定位到对应的雪山区域；机器学习模型捕捉历史多年间每天的野火数据，该天对应的雪水当量数据；将野火严重程度系数、变异系数、日期编码作为自变量，雪水当量为因变量，对机器学习模型进行训练；不断获取各野火特征组合与雪水当量之间的相关性，获取未来的雪水当量变化趋势。本发明的预测方法，更加精准、科学地预测考虑野火影响的雪水当量的趋势与规律，为农业种植、水循环研究等提供科学依据。

主权项：1.一种考虑野火影响的雪水当量的预测方法，其特征在于，包括以下步骤：S1，获取完全覆盖待预测雪山区域的雪水当量原始遥感数据集，通过机器学习模型将雪水当量原始遥感数据集剪切到待预测雪山区域的地理坐标，得到历史多年间每天的雪水当量数据集；S2，提取能清晰定位待预测雪山区域的多个特征，训练、监督机器学习模型，自适应地定位到对应的雪山区域；通过机器学习模型捕捉所定位到的雪山区域在历史多年间每天的野火数据，及该天对应的雪水当量数据，提取野火特征；S3，将野火严重程度系数、变异系数、日期编码作为自变量，雪水当量为因变量，对机器学习模型进行训练；不断获取各野火特征组合与雪水当量之间的相关性，通过MATLAB平台获取未来的雪水当量变化趋势。

全文数据：

权利要求：

百度查询： 桂林理工大学;江门双碳实验室 一种考虑野火影响的雪水当量的预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD