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！

龙图腾网恭喜大连理工大学申请的专利一种基于随机森林的碳强度关键影响因子识别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：CN114881165B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202210567546.X，技术领域涉及：G06F18/243；该发明授权一种基于随机森林的碳强度关键影响因子识别方法是由李天鹏;郑洪波设计研发完成，并于2022-05-24向国家知识产权局提交的专利申请。

本一种基于随机森林的碳强度关键影响因子识别方法在说明书摘要公布了：本发明涉及碳减排策略计算领域，具体为一种基于随机森林的碳强度关键影响因子识别方法。本发明较传统碳强度影响因子解析方法具有数据选取灵活、不受维度限制的特点，可以比较精准地识别诸多潜在影响因子中较重要的影响因子，弥补传统解析方法数据维度限制的缺陷，为准确实行碳减排方案提供了科学参考，也为区域碳减排政策制定提供相对侧重点。

本发明授权一种基于随机森林的碳强度关键影响因子识别方法在权利要求书中公布了：1.一种基于随机森林的碳强度关键影响因子识别方法，其特征在于，具体步骤如下：1数据收集与分类：包括待识别区域若干年的碳强度数据以及潜在碳强度影响因子的数据，并将碳强度影响因子按类别划分，划分类别包括化石能源产量、电力规模、高能耗产业规模、能源消耗量、交通运输行业发展、居民收入及消费、技术进步和土地利用；2将该区域的碳强度作为因变量，潜在碳强度影响因子数据作为自变量，将碳强度潜在影响因子数据归一化处理；3构建基于决策树的随机森林模型，即建立模型算法并进行验证；具体模型构建过程分为以下步骤：S1，将碳强度数据集随机按比例划分为训练集和测试集，并将所有潜在影响因子数据输入RandomForestRegressor模型；S2，设置sklearn.RandomForestRegressor参数并训练数据集，参数包括：决策树最大迭代次数n_estimators、袋外样本评估oob_score、划分特征评价标准criterion、最大特征数max_features、决策树最大深度max_depth、内部节点再划分所需最小样本数min_samples_split、叶节点最少样本数min_samples_leaf、叶节点最小样本权重min_weght_fraction_leaf、最大叶节点数max_leaf_nodes和节点划分最小不纯度min_impurity_split；其中，节点处划分特征评价标准选取均方差，每一个决策树的构建过程遵循节点特征均方差最小原则，采用网格搜索方法与手动调整参数结合的方法确定最优参数，即完成RandomForestRegressor模型构建；S3，为验证训练结果在整体数据中的适用程度，利用最优参数，将训练集的训练模型对测试集进行模型精度检验，使用均方差MSE来表征模型精度，计算公式如下： 其中，N为样本数，observedi为第i个样本的碳强度真实值，predictedi为第i个样本的碳强度预测值；MSE值越小，说明该模型的精确程度越高；4结果输出：根据建模结果，输出所有潜在影响因子重要性程度并对其排序，通过划定一定关键影响因子数目，识别碳强度的关键影响因子，将关键影响因子按步骤1中的划分类别归类分析。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。