“上官微”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]一种基于局部-全局依存关系的土壤质地预测方法-CN202310950055.8在审
发明人：李清亮;张程;上官微;李叶光;肖祺昀 -专利权人：长春师范大学
申请日： 2023-07-31 - 公布日： 2023-10-13 - 主分类号： G06F18/20 文献下载
摘要：本发明提供一种基于局部‑全局依存关系的土壤质地预测方法，包括：通过等面积二次样条法拟合出多层土壤深度的土壤质地；获取主要环境协变量，筛选出每层土壤深度的整个土壤剖面中与土壤质地的皮尔逊系数绝对值大于0.02的相关环境协变量；按照协变量与土壤质地的相关度将所述相关环境协变量重新排序生成第一模型输入集；选定协变量与土壤质地相关度最高的最相关环境协变量，其余相关环境协变量按照相邻的协变量相关度最高的顺序依次排序生成第二模型输入集；使用第一模型输入集和所述第二模型输入集训练两层LSTM模型，并将训练结果应用全连接层FCN建立出土壤质地和环境协变量之间的关系模型，利用关系模型实现对土壤质地的预测。
一种基于局部全局依存关系土壤质地预测方法

[发明专利]基于EDC-LSTM模型的土壤湿度预测方法、装置及存储介质-CN202210050876.1有效
发明人：王学智;李清亮;上官微;孙冲;李骐宇;于繁华;胡晏铭 -专利权人：长春师范大学
申请日： 2022-01-17 - 公布日： 2023-08-01 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及数据处理技术领域，提供一种基于EDC‑LSTM模型的土壤湿度预测方法和电子设备，其中的方法包括：获取历史样本数据；其中，所述历史样本数据包括各预设历史时刻的土壤湿度、降水量以及大气温度；通过所述历史样本数据对预设的预测模型进行训练，以使所述预测模型达到预设精度；其中，所述预测模型包括第一数据处理层和第二任务预测层；通过输入时间步长内的输入数据基于达到预设精度的所述预测模型的第一数据处理层确定所述输入时间步长与预测时间步长之间的中间时间序列数据；基于所述输入数据以及所述中间时间序列数据通过所述第二任务预测层对预测时间步长内的待预测土壤湿度进行预测本。本发明提供的技术方案既能够解决传统的使用LSTM模型进行土壤湿度预测精度低的问题。
基于 edc lstm 模型土壤湿度预测方法装置存储介质

[发明专利]集成水文气象机器学习预报模型的可视化事后解释方法-CN202210664945.8在审
发明人：黄菲妮;上官微 -专利权人：中山大学
申请日： 2022-06-14 - 公布日： 2022-09-23 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了集成水文气象机器学习预报模型的可视化事后解释方法，该方法包括下述步骤：建立单站点历史数据库及预报因子数据库，并进行特征选择；建立水文气象因子预报黑箱模型，并统计预报误差；事后解释方法从多个角度解释机器学习预报模型，基于MSE的特征重要性以及Shapley方法对模型结果进行可信任度评估，基于部分依赖图、个体条件期望和累积局部效应进行特征效应的可解释性分析，用于诊断模型，针对单日水文气象要素的预报，通过个体期望条件找到单日预报中表现异常的特征，根据历史数据判断其是否为特征的异常值。本发明基于事后可解释方法评估水文气象机器学习模型的特征效果，提高了模型的可靠性和鲁棒性。
集成水文气象机器学习预报模型可视化事后解释方法

[发明专利]一种多变量注意的LSTM土壤温湿度预测模型及预测方法-CN202111400385.7在审
发明人：李清亮;上官微;李骐宇;朱金龙;胡晏铭;朱禹衡;崔欣怡 -专利权人：长春师范大学
申请日： 2021-11-19 - 公布日： 2022-02-18 - 主分类号： G06F30/27 文献下载
摘要：本发明公开了一种多变量注意的LSTM土壤温湿度预测模型及预测方法，其中的一种多变量注意的LSTM土壤温湿度预测模型，包括：多特征注意机制模块、预测注意机制模块和时间注意机制模块。本发明提供了一种具有多特征注意机制、预测器注意机制和时间注意机制的可解释组件，用于总结所有预测器的多特征向量，并对SM和ST的变化进行建模。通过SM和ST的物理知识，展示了预测因子和时间注意权重的可视化和解释。针对RF、SVR、ENET、LSTM和A‑LSTM模型对ILSTM_土壤模型进行的大量实验评估表明，该模型具有优越的预测性能。
一种多变注意 lstm 土壤温湿度预测模型方法