-
公开(公告)号：CN114169520A
公开(公告)日：2022-03-11
申请号：CN202111326449.3
申请日：2021-11-10
Applicant: 安徽农业大学
IPC: G06N5/00 , G06N20/20 , G06K9/62 , G06F16/909 , G06F16/215
Abstract: 本发明公开了一种时空梯度提升决策树的方法，包括步骤一、目标数据获取，对原始数据进行筛选，得到目标地区气象站点的数据；步骤二、使用Python对数据中不需要的特征数据以及对剩余数据中的噪声数据进行线性处理，提高数据完整性；步骤三、对处理后的气象数据进行计算，将每日数据转为需要的月平均数据；步骤四、根据站点的时间属性信息和空间属性信息获得时空信息；步骤五、利用气象站点的纬度，月平均气温和月平均降水计算月SPEI数据；步骤六、ST‑GBDT模型构建与预测。该时空梯度提升决策树的方法，能够利用时空信息与GBDT相结合的方式，在输入探索变量中增加时空信息，增加输入变量的特征，利用scikit‑learn的类库在Python语言中的开发实现。
-
Patent Agency Ranking
公开(公告)号：CN114580700B
公开(公告)日：2024-06-28
申请号：CN202111106874.1
申请日：2021-09-22
Applicant: 安徽农业大学
IPC: G01W1/10 , G06N7/01 , G06F16/29 , G06V10/764 , G06V10/774 , G06V10/84 , G06Q50/26
Abstract: 本发明公开了一种基于语义贝叶斯网络的TVDI干旱指数预测方法，包括对原始数据进行预处理得到研究所需的NDVI和LST数据，对于受云污染的NDVI和LST数据利用R中RGISTools包中的IMA平均异常插值法进行缺失数据优化。然后利用ESTARFM模型对NDVI和LST数据分别进行时空融合，得到高时空分辨率数据，结合地表语义信息，建立语义贝叶斯网络，利用语义贝叶斯网络实现对TVDI的预测。本发明的有益效果是：从贝叶斯网络的角度对一区域的干旱情况结合语义信息进行预测，在干旱预测方面提出了一个全新的可适用的方法，同样语义贝叶斯也可以适用于其他领域的预测，是一个可拓展，可多方面适用的预测方法。
-
公开(公告)号：CN111046120B
公开(公告)日：2022-08-19
申请号：CN201911194244.7
申请日：2019-11-28
Applicant: 安徽农业大学
IPC: G06F16/29
Abstract: 本发明公开了地理空间数据处理技术领域的一种极端气温语义反距离权重插值方法，首先对遥感地表温度数据进行预处理，进行地表温度反演，其次，构建参与地表土地利用分类的语义层次，计算地表语义相似度，利用语义相似度调节因子权重，嵌入反距离空间插值模型，最后，以地表温度数据为例完成空间插值估算，构建地表温度插值数据集；本发明通过充分利用地理层次化语义相似度，调节插值因子权重，改进传统反距离插值方法，除极端气温数据外，不需要任何辅助数据，易于实现，实用价值高，可用于连续场景的地表温度、植被覆盖度与土壤湿度数据等易存在数据错误缺失等相关数据数据业务化运行。
-
公开(公告)号：CN114169520B
公开(公告)日：2024-11-22
申请号：CN202111326449.3
申请日：2021-11-10
Applicant: 安徽农业大学
IPC: G06N5/01 , G06N20/20 , G06F18/214 , G06F16/909 , G06F16/215
Abstract: 本发明公开了一种时空梯度提升决策树的方法，包括步骤一、目标数据获取，对原始数据进行筛选，得到目标地区气象站点的数据；步骤二、使用Python对数据中不需要的特征数据以及对剩余数据中的噪声数据进行线性处理，提高数据完整性；步骤三、对处理后的气象数据进行计算，将每日数据转为需要的月平均数据；步骤四、根据站点的时间属性信息和空间属性信息获得时空信息；步骤五、利用气象站点的纬度，月平均气温和月平均降水计算月SPEI数据；步骤六、ST‑GBDT模型构建与预测。该时空梯度提升决策树的方法，能够利用时空信息与GBDT相结合的方式，在输入探索变量中增加时空信息，增加输入变量的特征，利用scikit‑learn的类库在Python语言中的开发实现。
-
公开(公告)号：CN114580700A
公开(公告)日：2022-06-03
申请号：CN202111106874.1
申请日：2021-09-22
Applicant: 安徽农业大学
IPC: G06Q10/04 , G06N7/00 , G06K9/62 , G06F16/29 , G06V10/764 , G06V10/774 , G06V10/84
Abstract: 本发明公开了一种基于语义贝叶斯网络的TVDI干旱指数预测方法，包括对原始数据进行预处理得到研究所需的NDVI和LST数据，对于受云污染的NDVI和LST数据利用R中RGISTools包中的IMA平均异常插值法进行缺失数据优化。然后利用ESTARFM模型对NDVI和LST数据分别进行时空融合，得到高时空分辨率数据，结合地表语义信息，建立语义贝叶斯网络，利用语义贝叶斯网络实现对TVDI的预测。本发明的有益效果是：从贝叶斯网络的角度对一区域的干旱情况结合语义信息进行预测，在干旱预测方面提出了一个全新的可适用的方法，同样语义贝叶斯也可以适用于其他领域的预测，是一个可拓展，可多方面适用的预测方法。
-
公开(公告)号：CN111046120A
公开(公告)日：2020-04-21
申请号：CN201911194244.7
申请日：2019-11-28
Applicant: 安徽农业大学
IPC: G06F16/29
Abstract: 本发明公开了地理空间数据处理技术领域的一种极端气温语义反距离权重插值方法，首先对遥感地表温度数据进行预处理，进行地表温度反演，其次，构建参与地表土地利用分类的语义层次，计算地表语义相似度，利用语义相似度调节因子权重，嵌入反距离空间插值模型，最后，以地表温度数据为例完成空间插值估算，构建地表温度插值数据集；本发明通过充分利用地理层次化语义相似度，调节插值因子权重，改进传统反距离插值方法，除极端气温数据外，不需要任何辅助数据，易于实现，实用价值高，可用于连续场景的地表温度、植被覆盖度与土壤湿度数据等易存在数据错误缺失等相关数据数据业务化运行。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
