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！

龙图腾网获悉中国科学院、水利部成都山地灾害与环境研究所申请的专利一种基于级联学习模型的山洪泥石流易发性概率评估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：CN120087851B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510579486.7，技术领域涉及：G06Q10/0639；该发明授权一种基于级联学习模型的山洪泥石流易发性概率评估方法是由蒋祯妮;王姣;崔鹏;张亦凡设计研发完成，并于2025-05-07向国家知识产权局提交的专利申请。

本一种基于级联学习模型的山洪泥石流易发性概率评估方法在说明书摘要公布了：本发明公开了一种基于级联学习模型的山洪泥石流易发性概率评估方法，涉及山洪泥石流分布评估技术领域，包括：根据预处理数据计算指标因子，指标因子包括水文指标因子、物质指标因子、地形能量指标因子，对指标因子进行标准化以及流域化，得到处理后的指标因子；基于皮尔森相关性指标剔除处理后的指标因子中相关性强的因子或自相关因子，得到筛选数据；模型训练，模型训练包括根据筛选数据对预设的模型进行训练，基于递归特征消除‑交叉验证模型保留该训练过程中有贡献的指标因子，得到级联式优势学习模型，将第二信息输入级联式优势学习模型，得到山洪泥石流易发性概率评估结果。本发明实现了流域尺度下山洪泥石流长期尺度易发性评估。

本发明授权一种基于级联学习模型的山洪泥石流易发性概率评估方法在权利要求书中公布了：1.一种基于级联学习模型的山洪泥石流易发性概率评估方法，其特征在于，包括： 获取第一信息和第二信息，所述第一信息包括历史的水文要素数据、历史的物质要素数据、历史的地形能量要素数据、灾害二分类数据，所述第二信息包括待评估数据集； 对所述第一信息进行预处理，得到预处理数据，根据所述预处理数据计算指标因子，所述指标因子包括水文指标因子、物质指标因子、地形能量指标因子，对所述指标因子进行标准化以及流域化，得到处理后的指标因子； 基于皮尔森相关性指标和预设条件剔除所述处理后的指标因子中相关性强的因子，得到筛选数据； 模型训练，所述模型训练包括根据所述筛选数据对预设的随机森林模型进行训练，基于递归特征消除-交叉验证模型保留该训练过程中有贡献的指标因子，得到训练好的随机森林分类器，将所述随机森林分类器嵌入RFECV框架中，得到RFECV-RF模型，还包括根据所述RFECV-RF模型的预测结果对预设的XGBoost模型进行训练，得到训练好的XGBoost模型； 融合所述RFECV-RF模型和XGBoost模型，并基于合并特征矩阵和灾害二分类数据对融合后的模型进行训练得到级联式优势学习模型，将所述第二信息输入所述级联式优势学习模型，得到山洪泥石流易发性概率评估结果，所述合并特征矩阵为所述RFECV-RF模型的预测结果与所述筛选数据合并得到； 基于皮尔森相关性指标和预设的条件剔除所述处理后的指标因子中相关性强的因子，包括： 将所述处理后的指标因子转换为pandas数据结构； 使用pandas库的corr方法高效计算所有因子间的皮尔森相关系数； 剔除皮尔森相关系数矩阵中系数0.85条件且出现3次及以上的高相关因子，直到触发每个要素类别下的因子量下线； 所述模型训练，包括： 构建随机森林模型和XGBoost模型； 采用贝叶斯优化对所述随机森林模型的超参数和XGBoost模型的超参数分别进行调优，得到调优后的随机森林模型和XGBoost模型； 通过pandas和numpy对所述筛选数据进行处理，用交叉验证方法进行交叉验证分割，得到训练集； 根据所述训练集训练调优后的随机森林模型，训练采用的损失函数为二元交叉熵损失函数，基于递归特征消除-交叉验证模型保留该训练过程中有贡献的指标因子，得到训练好的随机森林分类器，将所述随机森林分类器嵌入RFECV框架中，得到RFECV-RF模型； 还根据所述RFECV-RF模型的预测结果对调优后的XGBoost模型进行训练，得到训练好的XGBoost模型。

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中国科学院、水利部成都山地灾害与环境研究所，其通讯地址为：610200 四川省成都市天府新区群贤南街189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”。