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！

龙图腾网获悉成都理工大学申请的专利基于XGBoost的协同克里格的污染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：CN119671068B 。

龙图腾网通过国家知识产权局官网在2025-09-23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：202510188090.X，技术领域涉及：G06Q10/063；该发明授权基于XGBoost的协同克里格的污染评价方法是由曾铃;袁梦;朱平平设计研发完成，并于2025-02-20向国家知识产权局提交的专利申请。

本基于XGBoost的协同克里格的污染评价方法在说明书摘要公布了：本发明提供了一种基于XGBoost的协同克里格的污染评价方法，以土壤重金属汞污染的空间分布预测为例，充分考虑多种辅助变量对汞含量的影响。本发明首先采用XGBoost回归模型，训练各个辅助变量与汞含量之间的非线性关系，提取并整合所有辅助变量的信息，生成一个综合的一维辅助变量。随后，将该综合辅助变量作为协同克里格插值的辅助因子，以优化土壤汞含量的空间分布预测。相比于直接使用多个辅助变量的协同克里格方法，本发明能够更有效地降低维度，提高预测精度和模型稳定性，同时提升计算效率，为土壤污染评估提供了一种高效、精准的预测手段。

本发明授权基于XGBoost的协同克里格的污染评价方法在权利要求书中公布了：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，ω j 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。

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成都理工大学，其通讯地址为：610059 四川省成都市二仙桥东三路1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”。