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！

龙图腾网获悉中国科学院地理科学与资源研究所申请的专利基于多种机器学习方法的关键土壤监测点位筛选方法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：CN121030287B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202511152605.7，技术领域涉及：G06F18/2113；该发明授权基于多种机器学习方法的关键土壤监测点位筛选方法是由雷梅;徐岷珂;鞠铁男;封雪;田志仁;王少彬;尚自烨;李冱岸设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本基于多种机器学习方法的关键土壤监测点位筛选方法在说明书摘要公布了：本发明实施例公开了一种基于多种机器学习方法的关键土壤监测点位筛选方法，包括：获取待监测区域多个监测点位的土壤生态风险值，以及相关的多种因素的值；通过随机森林法筛选出土壤生态风险的多种主要驱动因素；拟合以土壤生态风险为因变量、以所述多种主要驱动因素为自变量的预测模型，并删减预测模型中的冗余点位；以点位删减率、删减后预测模型的预测精度，以及剩余监测点位的空间覆盖均匀性为优化目标，执行贝叶斯优化算法，来更新随机森林法和预测模型拟合过程中的超参数；根据新的超参数返回执行随机森林法，直到实现最优目标；根据最优超参数重新执行上述操作，得到具有最优监测点位的预测模型。本实施例能够提高点位筛选的准确性和代表性。

本发明授权基于多种机器学习方法的关键土壤监测点位筛选方法在权利要求书中公布了：1.一种基于多种机器学习方法的关键土壤监测点位筛选方法，其特征在于，包括： S110、获取待监测区域多个监测点位的土壤生态风险值，以及与土壤生态风险相关的多种因素的值； S120、对所述土壤生态风险值和多种因素的值执行随机森林法，从所述多种因素中筛选出土壤生态风险的多种主要驱动因素； S130、利用所述多个监测点位拟合以土壤生态风险为因变量、以所述多种主要驱动因素为自变量的预测模型，具体的，利用所述多个监测点位，对土壤生态风险与所述多种主要驱动因素进行残差正态性检验，如果检验结果表明土壤生态风险与所述多种主要驱动因素呈线性关系，所述预测模型采用LASSO模型，如果检验结果表明土壤生态风险与所述多种主要驱动因素呈非线性关系，所述预测模型采用XGBoost模型；删减所述预测模型中的冗余点位，其中，所述冗余点位指对模型精度影响最小的点位； S140、以点位删减率、删减后预测模型的预测精度，以及剩余监测点位的空间覆盖均匀性为优化目标，执行贝叶斯优化算法，来更新随机森林法和预测模型拟合过程中的超参数；根据新的超参数返回S120，直到实现最优目标；其中，随机森林法中的超参数为重要性保留阈值，预测模型拟合过程中的超参数为LASSO模型中的稀疏性正则化系数，或XGBoost模型中的空间连续性惩罚系数和最小点位间距； S150、根据最优目标对应的最优超参数重新执行S120到S130的操作，得到具有最优监测点位的预测模型。

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地理科学与资源研究所，其通讯地址为：100101 北京市朝阳区大屯路甲11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”。

以上内容由龙图腾AI智能生成。