申请/专利权人:武汉大学
申请日:2023-06-07
公开(公告)日:2023-07-07
公开(公告)号:CN116401962A
主分类号:G06F30/27
分类号:G06F30/27;G06N20/00
优先权:
专利状态码:失效-发明专利申请公布后的驳回
法律状态:2024.04.26#发明专利申请公布后的驳回;2023.07.25#实质审查的生效;2023.07.07#公开
摘要:本发明提供一种水质模型最优特征方案的推求方法,包括:确定影响水质的环境特征,并获取研究流域的气象资料、社会经济状况资料、土地利用类型资料和夜间灯光强度资料,对各项数据进行预处理;收集水质观测数据并将其从站点尺度空间插值到网格尺度得到水质网格数据;计算环境特征变量和水质网格数据的相关系数及其显著性,构建水质模型并根据上述特征数据对模型超参数进行优化;基于上述训练好的水质模型,采用SHAP方法逐网格计算每项环境特征的SHAP值;聚合所有网格SHAP值的绝对值计算环境特征的全局重要性及其输入顺序,制定水质模型的最优特征方案。本发明能够识别水质变化过程中各项环境特征重要性,从而提供最优特征方案以提高模拟效果。
主权项:1.一种水质模型最优特征方案的推求方法,其特征在于,包括如下步骤:步骤1、确定影响水质年际变化趋势的环境特征,并获取研究流域的气象资料、社会经济状况资料、土地利用类型资料和夜间灯光强度资料,对各项环境特征数据进行降尺度处理;步骤2、收集研究流域内的水质观测数据,将水质观测数据从站点尺度空间插值到网格尺度得到水质网格数据;步骤3、计算环境特征变量和水质网格数据的相关系数及其显著性,构建水质模型,选取包含显著相关的环境特征变量和水质网格数据的样本数据,并将其划分为训练集和测试集,采用训练集训练模型的超参数以及水质模型并通过测试集验证从而获得最优的水质模型;步骤4:基于步骤3获得的最优的水质模型,采用SHAP方法逐网格计算每项环境特征的SHAP值;步骤5:聚合所有网格SHAP值的绝对值计算环境特征的全局重要性及其输入顺序,从而制定水质模型的最优特征方案。
全文数据:
权利要求:
百度查询: 武汉大学 水质模型最优特征方案的推求方法
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。