申请/专利权人：华中师范大学

申请日：2023-10-08

公开（公告）日：2024-02-20

公开（公告）号：CN117573783A

主分类号：G06F16/29

分类号：G06F16/29;G06F17/18;G06F17/10;G06Q50/26;G06Q50/02;G06V20/17;G06N3/0464;G06N3/045;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.08#实质审查的生效;2024.02.20#公开

摘要：本发明公开了一种基于深度学习改进E因子的CSLE模型优化算法，包括：基于布设不同水土保持措施的野外径流试验小区，利用高分辨率无人机倾斜拍照技术获取的高分辨率遥感影像计算出B×E值，结合公式间接推算出E值，或者，基于SWAT模型和查看文献资料的方法先计算流域减沙系数计算出E值；然后，利用研究区水土保持监测站点径流小区长时间序列的土壤侵蚀模数实测值进行线性拟合得到R2值，再用RMSE来判断实测值与上述方法得到的模拟值之间的误差，修正误差改进E因子模型的计算精度。本发明能够改进和提高利用CSLE模型计算土壤侵蚀量和土壤侵蚀空间分布的精确度，降低人工目视解译可能带来的错误，细化E因子的计算，得到E因子具有较高的模拟精度。

主权项：1.一种基于深度学习改进E因子的CSLE模型优化算法，其特征在于：方法1：基于布设不同水土保持措施的野外径流试验小区，利用高分辨率无人机倾斜拍照技术获取的高分辨率遥感影像计算出B×E值，结合公式间接推算出E值；或者，方法2：基于SWAT模型和查看文献资料的方法先计算流域减沙系数，在此基础上计算出E值；然后，利用研究区水土保持监测站点径流小区长时间序列的土壤侵蚀模数实测值进行线性拟合得到R2值，再用RMSE来判断实测值与上述方法1、方法2得到的模拟值之间的误差；4修正误差，改进E因子模型的计算精度，以提高利用CSLE模型计算土壤侵蚀量和土壤侵蚀空间分布的精确度。

全文数据：

权利要求：

百度查询： 华中师范大学 一种基于深度学习改进E因子的CSLE模型优化算法

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