[发明专利]一种基于机器学习预测植被消波的方法在审
| 申请号： | 201910610353.6 | 申请日： | 2019-07-08 |
| 公开（公告）号： | CN110399655A | 公开（公告）日： | 2019-11-01 |
| 发明（设计）人： | 陈新平;胡征宇;何方;牛文涛 | 申请（专利权）人： | 自然资源部海洋减灾中心;浙江大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N20/00 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 郑海峰 |
| 地址： | 100085 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器学习预测植被消波的方法，利用机器学习方法来建立目标区域的植被消波模型，从而预测滨海植被引起的波浪衰减效果。其包括以下步骤：(1)确定影响植被引起波浪衰减的参数，包含入射波浪要素以及植被自身特性，实现特征选择。(2)基于确定特征，开展针对目标预测区域的野外实地观测或物理模型试验，从而测量所需特征值，构成样本数据集。(3)选择并建立机器学习算法模型。(4)通过交叉验证和网格搜索确定预测结果最好的超参数。(5)完成建立目标区域的植被消波预测模型。本发明根据已确定影响植被消波的特征参数，基于机器学习实现预测各种波浪及植被条件下任意植被区域的波浪衰减，对海洋生态减灾领域意义重大。 | ||
| 搜索关键词： | 植被 消波 波浪 基于机器 预测 目标区域 衰减 机器学习算法 波浪要素 海洋生态 机器学习 交叉验证 目标预测 衰减效果 特征参数 特征选择 网格搜索 物理模型 样本数据 预测结果 预测模型 植被区域 植被条件 减灾 入射 学习 滨海 测量 观测 野外 试验 | ||
【主权项】：
1.一种基于机器学习预测植被消波的方法，其特征在于，包括以下步骤：(1)确定影响植被引起波浪衰减的参数，包括入射波浪要素以及植被自身特性，根据所述参数实现特征选择，确定特征值；(2)基于步骤(1)所确定的特征值，开展针对目标区域的野外实地观测或物理模型试验，获得样本数据集和训练目标值y_train；(3)根据特征值和训练目标值y_train建立机器学习算法模型；(4)将步骤(2)所述样本数据集划分为训练数据集和测试数据集，采用训练数据集通过交叉验证和网格搜索确定所述机器学习算法模型的超参数，得到目标区域的植被消波预测模型，采用预测数据集验证所述目标区域的植被消波预测模型的效果；(5)将目标区域的植被消波预测模型用于预测目标区域植被引起的波浪衰减。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于自然资源部海洋减灾中心;浙江大学，未经自然资源部海洋减灾中心;浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910610353.6/，转载请声明来源钻瓜专利网。
