欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202510188090X
申请人: 成都理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于XGBoost的协同克里格的污染评价方法,其特征在于,包括如下步骤:S1、采集目标区域土壤样本,记录每个采样点的地理坐标、以及测试获得每个土壤样本的污染元素及其他元素含量,并将所有数据进行清洗和预处理,并将数据集分为训练集和测试集;

S2、建立XGBoost回归模型,利用训练集学习辅助因子与目标污染元素之间的非线性关系,利用测试集对模型进行验证和优化,整合所有辅助因子的影响,生成一个综合变量,表征其对目标汞元素的整体影响,具体方式为:S21、创建 XGBoost 回归模型并训练模型,模型的形式可以表示为:其中,是预测值, 是第个基学习器,是基学习器的总数;

S22、创建XGBoost目标函数,通过梯度提升算法迭代地添加基学习器,对每一轮的基学习器利用目标函数进行更新,其中,目标函数表示为:式中,为第i个输出结果,为第i个输出结果的预测值,表示损失函数,是第个基学习器,是基学习器的总数;是正则化项,用于控制模型复杂度,表示为:;

其中,是树的叶子节点数,ωj是叶子节点的权重,和是正则化参数,XGBoost 通过梯度提升算法迭代地添加基学习器,对于每一轮基学习器,模型通过最小化目标函数来更新;

S23、XGBoost 为当前残差构建新树,利用梯度和海森矩阵进行分裂,在每个节点选择特征和分裂点,使得目标函数最小化,表示为:其中,和 分别是当前节点的总梯度和海森矩阵,下标和是左右子节点的梯度和海森矩阵;

S24、经过多轮迭代后,得到多个树输出的最终预测模型,并通过每棵树得到输出,加总形成最终的综合变量预测结果,表示为:式中,是预测值, 是第个基学习器,是基学习器的总数;

S3、基于S2训练得到的XGBoost综合变量作为辅助变量,采用协同克里格方法对汞污染元素进行空间分布插值预测,其中所述综合变量通过XGBoost非线性整合多个辅助因子生成,用于替代协同克里格中原始多辅助变量的独立计算,具体包括如下步骤:S31、计算主变量和辅助变量各自的变异函数,并计算主变量与辅助变量之间的交叉变异函数,以表征变量的空间相关性和协同依赖性;

S32、根据主变量协方差矩阵、辅助变量协方差矩阵以及二者之间的交叉协方差矩阵构建组合协方差矩阵;

S33、将组合协方差矩阵中主变量和辅助变量的空间信息进行结合,构建协同克里格方程,并通过求解方程获取权重系数;

S4、求解协同克里格方程得到土壤汞含量的空间分布预测值,并生成预测结果的土壤污染空间分布图。

2.根据权利要求1所述的基于XGBoost的协同克里格的污染评价方法,其特征在于,所述S31中主变量的变异函数表示为:其中,为位置的主变量值,为距离,为数学期望,为主变量的变异函数;

辅助变量的变异函数表示为:

式中,为辅助变量的变异函数,是位置处辅助变量的变异函数;

交叉变异函数表示为:

式中,为交叉变异函数。

3.根据权利要求1所述的基于XGBoost的协同克里格的污染评价方法,其特征在于,所述S32中组合矩阵表示为:其中,是主变量和之间的互协方差,

是辅助变量和之间的互协方差,

是主变量和辅助变量之间的互协方差。

4.根据权利要求1所述的基于XGBoost的协同克里格的污染评价方法,其特征在于,所述S33中协同克里格方程表示为:其中,是主变量和之间的协方差,

是辅助变量和之间的协方差,

是主变量和辅助变量之间的协方差,

为主变量在位置x和参考点之间的互协方差,为主变量和辅助变量在位置x和参考点之间的互协方差,、分别为主变量与辅助变量的权重系数。

5.根据权利要求1所述的基于XGBoost的协同克里格的污染评价方法,其特征在于,所述S4中土壤汞含量的空间分布预测值的具体计算如下:其中,为在位置的预测主变量值,

为主变量在点处的观测值,

为辅助变量在点处的观测值,

、分别为主变量与辅助变量的权重系数,

分别为主变量与辅助变量观测点的数量。