買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉沈陽工業大學申請的專利一種基于半監督集成學習的干旱災害天氣預測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114841064B 。

龍圖騰網通過國家知識產權局官網在2025-04-15發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210455860.9，技術領域涉及：G06F30/27；該發明授權一種基于半監督集成學習的干旱災害天氣預測方法是由段勇;王鑫炎設計研發完成，并于2022-04-28向國家知識產權局提交的專利申請。

本一種基于半監督集成學習的干旱災害天氣預測方法在說明書摘要公布了：本發明涉及半監督、集成學習技術領域，具體涉及一種基于半監督集成學習的干旱災害天氣預測方法，在基于自訓練的半監督學習算法中構建動態選擇樣本數據算法，可以根據模型在訓練樣本過程中對無標簽數據預測的置信度水平動態選擇樣本數據，在保證準確率較高的同時有效的提高模型訓練效率。提出的基于目標最大化布谷鳥優化的選擇性集成學習剪枝算法可以最大程度的滿足基學習器的精度以及基學習器之間的差異性，采用了多角度進行選擇性集成，泛化性能更好，并且算法運行效率更快，模型精度更高。本發明可以用于氣象領域中干旱災害天氣的預測問題。

本發明授權一種基于半監督集成學習的干旱災害天氣預測方法在權利要求書中公布了：1.一種基于半監督集成學習的干旱災害天氣預測方法，其特征在于，按以下步驟執行：步驟1:建立用于預測干旱災害天氣的數據樣本集；步驟2:對干旱災害天氣數據做數據平衡處理，并進行特征構造以及特征選取；步驟3:利用自訓練半監督學習使用干旱災害天氣數據集中的標簽樣本數據和無標簽樣本數據，并在自訓練過程中構建動態選擇樣本數據算法，將無標簽樣本數據打上偽標簽；步驟4:根據Kappa測度和標準化互信息構建目標函數，構建的目標函數為公式7； 其中G為決策樹、邏輯回歸、K近鄰等初始基學習器預測標簽值的集合，hm，hn為初始基學習器預測標簽值集合G中兩個不同的基學習器的預測標簽值，t為基學習器的數量，u2為樣本數據的真實標簽值，Khm，hn為Kappa測度計算公式，NMIhm，u2為標準化互信息的計算公式；步驟5:利用布谷鳥算法對目標函數進行優化，構建基于目標最大化布谷鳥優化的選擇性集成學習剪枝算法，根據構建的算法對集成學習做選擇性集成，針對初始基學習器集合使用構建的算法求出最優子集，并將最優子集作為Stacking集成學習的基學習器，訓練干旱災害天氣預測模型；所述步驟1中，旱災害天氣數據具體為10米的最低風速、2米的相對濕度、2米的溫度范圍、10米風速、2米的溫度、50米時的最小風速、2米的最高溫度、50米的風速、地球皮膚溫度、50米的風速范圍、50米時的最大風速、10米時的最大風速、10米時的風速范圍、表面壓力、2米露點冰點、2米最低溫度、2米的濕球溫度、降水量以及干旱級別的歷史實況數據；所述步驟5中構建基于目標最大化布谷鳥優化的選擇性集成學習剪枝算法，過程如下：將初始基學習器集合進行隨機選取得到多個基學習器子集，把每一個基學習器子集作為目標函數的一組解，然后以目標函數作為布谷鳥算法的適應度函數并對各個基學習器子集計算適應度值，根據計算的適應度值對各個基學習器子集排序，舍棄適應度值差的基學習器子集，并使用萊維飛行算法生成新的基學習器子集，經過反復的迭代找到適應度值最大的基學習器子集，將這個基學習器子集作為目標函數的最優解，為用于選擇性集成的基學習器子集。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人沈陽工業大學，其通訊地址為：110870 遼寧省沈陽市鐵西區經濟技術開發區沈遼西路111號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。