首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种针对小样本水体的叶绿素含量辅助预测方法及系统 

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!

申请/专利权人:江南大学

摘要:本发明提供一种针对小样本水体的叶绿素含量辅助预测方法及系统,涉及生物环境科学技术领域,该方法包括获取水体相关数据;对数据进行预处理得到理想数据集;计算平均影响值,对理想数据集进行降维操作处理;设置混合训练集与测试集,并将每个样本设置权重与样本更新系数;将数据集和权重向量相结合,对基本弱回归模型进行训练,并且不断更新样本权重;不断重复建立模型,保存记录每一次的弱回归模型,最终选择效果最好的回归模型作为强回归模型;将测试样本输入所述强回归模型中,得到测试样本的叶绿素预测值。本发明利用水环境影响因子与叶绿素之间、不同水环境之间的相关性,为叶绿素预测过程建立低成本和高泛化性能的叶绿素预测模型。

主权项:1.一种针对小样本水体的叶绿素含量辅助预测方法,其特征在于,包括:S1:采集不同环境下的水体信息,获取水体的相关数据,并构建数据集,其中所述数据集包括小样本水体相关数据和辅助样本水体相关数据,小样本水体和辅助样本水体来自不同环境;S2:对所述相关数据进行预处理,得到理想数据集;S3:基于所述理想数据集,计算平均影响值,并对理想数据集进行降维处理;S4:根据降维后的数据集,设置混合训练集与测试集,并将每个样本设置权重与样本更新系数,具体包括:S41:设置混合训练集T中每个样本的初始权重 式中,n是混合训练集中来自辅助样本集的样本,m是混合训练集中来自小样本水体的样本数量;S42:定义针对辅助样本集的样本权重更新系数β: S5:将降维后的数据集和权重向量相结合,对基本弱回归模型进行训练,并且不断更新样本权重,具体包括:S51:设置样本权重分布 式中,为第t次迭代的样本权值,n是混合训练集中来自辅助样本集的样本,m是混合训练集中来自小样本水体的样本数量;S52:将样本权重分布与样本相乘,并且根据相乘后的数据集训练一个弱回归器ftx;S53:计算函数误差 其中 式中,xi为训练样本,yi为测试样本;S54:计算平均误差et: S55:定义目标样本集的更新系数βt:βt=et1-et;S56:更新样本权重: S57:基于新的样本权重,得到一个新的BP神经网络;S6:不断重复S4-S5,保存记录每一次的弱回归模型,最终选择预测效果最好的回归模型作为强回归模型;S7:将测试样本输入所述强回归模型中,得到测试样本的叶绿素预测值。

全文数据:

权利要求:

百度查询: 江南大学 一种针对小样本水体的叶绿素含量辅助预测方法及系统

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。

相关技术
相关技术
相关技术
相关技术