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地理科学与资源研究所;四川省紫坪铺开发有限责任公司申请的专利山洪孕育背景数据对山洪分区单因素影响的定量评价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：CN119941045B 。

龙图腾网通过国家知识产权局官网在2025-08-12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：202510105937.3，技术领域涉及：G06Q10/0639；该发明授权山洪孕育背景数据对山洪分区单因素影响的定量评价方法是由李怡帆;张晨笛;易松;赵阳设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本山洪孕育背景数据对山洪分区单因素影响的定量评价方法在说明书摘要公布了：本发明提供的一种山洪孕育背景数据对山洪分区单因素影响的定量评价方法，包括：收集目标区域的山洪孕育背景数据，应用山洪分区模型得到山洪分区结果，山洪分区模型采用第一有监督机器学习模型或第一无监督机器学习模型，针对第一无监督机器学习模型，通过山洪分区结果对第二有监督机器学习模型进行训练，得到有监督支持模型；将第一有监督机器学习模型或有监督支持模型与山洪孕育背景数据输入解释模型，通过每维度山洪孕育背景数据对第一有监督机器学习模型或有监督支持模型的预测结果的边际贡献来提供各维度山洪孕育背景数据在山洪分区过程中的贡献，得到各维度山洪孕育背景数据对分区结果的影响。本发明实现了山洪分区结果的透明化和可解释性。

本发明授权山洪孕育背景数据对山洪分区单因素影响的定量评价方法在权利要求书中公布了：1.一种山洪孕育背景数据对山洪分区单因素影响的定量评价方法，其特征在于，包括以下步骤： 步骤S100、收集目标区域的山洪孕育背景数据，对其进行预处理后应用山洪分区模型得到目标区域的山洪分区结果，所述山洪分区模型采用第一有监督机器学习模型或者第一无监督机器学习模型，针对所述第一无监督机器学习模型，通过所述山洪分区结果对第二有监督机器学习模型进行训练，以学习第一无监督机器学习模型的分区结果，得到有监督支持模型； 步骤S200、将所述第一有监督机器学习模型或者所述有监督支持模型与所述目标区域的山洪孕育背景数据输入解释模型，所述解释模型通过每维度山洪孕育背景数据对所述第一有监督机器学习模型或者所述有监督支持模型的预测结果的边际贡献来提供各维度山洪孕育背景数据在山洪分区过程中的贡献，得到各维度山洪孕育背景数据对山洪分区结果的影响； 步骤S100中，所述目标区域的山洪分区结果是利用无监督的图神经网络得到，具体步骤包括： 步骤S110、将收集的目标区域的所有山洪孕育背景数据重采样为统一空间分辨率的栅格数据，并按照目标区域的范围对所述栅格数据进行裁剪，得到初始数据R0； 步骤S120、对所述初始数据R0内的各维度数据进行相关性分析与多重共线性分析，识别并剔除相关性和方差膨胀因子不符合要求的数据维度，得到栅格形式的输入数据R； 步骤S130、对所述栅格形式的输入数据R，将其中的每一个栅格视为一个节点，构造节点矩阵V，根据节点之间的距离确定节点之间的边，构造边集合E与归一化邻接矩阵A，基于输入数据R构建节点属性矩阵X，从而将栅格形式的输入数据R构建为图结构数据G＝V,E,X； 步骤S140、针对目标区域已设置分区数量的情况，基于设置的分区数量，以所述图结构数据G＝V,E,X作为输入，通过图神经网络进行聚类分析，获得栅格尺度的分区结果；针对目标区域未设置分区数量的情况，对所有的分区数量，以所述图结构数据G＝V,E,X作为输入，使用图神经网络进行遍历计算，通过优化方法，以聚类有效性指标为优化目标，搜索确定最优的分区数量，从而确定栅格尺度的分区结果。

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地理科学与资源研究所;四川省紫坪铺开发有限责任公司，其通讯地址为：100101 北京市朝阳区大屯路甲11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”。