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！

龙图腾网获悉三峡大学申请的专利一种多元智能优化多核极限学习机的土壤重金属检测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：CN115169222B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202210706800.X，技术领域涉及：G06F30/27；该发明授权一种多元智能优化多核极限学习机的土壤重金属检测方法是由任顺;刘金格;任东;陆安祥;安毅;肖敏;张清设计研发完成，并于2022-06-21向国家知识产权局提交的专利申请。

本一种多元智能优化多核极限学习机的土壤重金属检测方法在说明书摘要公布了：一种多元智能优化多核极限学习机的土壤重金属检测方法，它包括以下步骤：步骤1：采集土壤样品X射线荧光光谱数据和重金属含量值，构建样本集，将样本集分为训练样本集和测试样本集；步骤2：对样本集或待检测光谱信息进行预处理；步骤3：对预处理后的光谱数据进行光谱特征变量选择，将特征变量对应的光谱数据作为新的训练样本集和测试样本集；步骤4：建立多核极限学习机，将训练集中的数据作为多核极限学习机的输入，将训练集中的土壤重金属含量作为极限学习机的输出；步骤5：采用优化后的正则化系数C、核函数参数S和权重系数W训练多核极限学习机，得到土壤重金属检测模型，将测试集输入检测模型，得到重金属的预测值。

本发明授权一种多元智能优化多核极限学习机的土壤重金属检测方法在权利要求书中公布了：1.一种多元智能优化多核极限学习机的土壤重金属检测方法，其特征在于，它包括以下步骤： 步骤1：采集土壤样品X射线荧光光谱数据和重金属含量值，构建样本集，将样本集分为训练样本集和测试样本集； 步骤2：对样本集或待检测光谱信息进行预处理； 步骤3：对预处理后的光谱数据进行光谱特征变量选择，将特征变量对应的光谱数据作为新的训练样本集和测试样本集； 步骤4：建立多核极限学习机，将训练集中的数据作为多核极限学习机的输入，将训练集中的土壤重金属含量作为极限学习机的输出； 步骤5：采用优化后的正则化系数C、核函数参数S和权重系数W训练多核极限学习机，得到土壤重金属检测模型，将测试集输入检测模型，得到重金属的预测值； 在步骤3中，采用竞争性自适应重加权算法对预处理后的光谱数据进行光谱特征变量选择，包括以下子步骤： 步骤3.1：初始化蒙特卡罗采样次数N，令初始的X射线荧光光谱特征变量，设置采样计数器count=1； 步骤3.2：如果count大于N，转入步骤3.7，否则，使用蒙特卡罗法从训练集中抽取一定比例的样本作为子训练集，用光谱特征变量vsel_old建立PLS模型； ； 其中，y是重金属浓度值，x是重金属光谱特征变量对应的光谱数据，b是光谱系数，e是预测误差； 步骤3.3：计算vsel_old中每个光谱特征变量的权重w； ； 其中，wi为第i个光谱特征变量的权重，bi为第i个光谱的系数，p为光谱特征变量数； 步骤3.4：计算指数递减函数值rcount，保留光谱特征变量权重w大于rcount的特征变量； ； ； ； 其中，rcount为第count次采样的指数递减函数值，a和k是两个常数，N为采样次数； 步骤3.5：采用竞争性自适应重加权算法实现光谱特征变量的竞争性选择，从步骤3.4得到的特征变量子集中保留一定比例的特征变量，记为； 步骤3.6：使用vsel_new计算RMSECV，令vsel_old=vsel_new，count=count+1，转入步骤3.1； 步骤3.7：得到N个光谱特征变量集和N个RMSECV； 步骤3.8：选择采样过程中RMSECV最小值对应的光谱特征变量作为光谱特征变量选择结果； 在步骤4中，在建立多核极限学习机时，包括以下子步骤： 步骤4.1：采用粒子群优化算法优化多核极限学习机的正则化系数C和核函数参数S，根据全局最优粒子确定不同核函数下的多核极限学习机正则化参数C和核函数参数S； 步骤4.2：采用蚁狮优化算法优化多核极限学习机权重系数W，根据全局最优蚁狮解确定多核极限学习机的权重系数W； 通过以上步骤建立多核极限学习机； 其中，多核极限学习机为： ； 其中，k为核函数类型，表示类型为k的核函数，为k核极限学习机的权重系数，为训练样本光谱数据，为第i个训练样本光谱数据，为训练样本重金属含量真实值，为训练样本数量，为单位矩阵，为正则化系数； 核函数类型如下所示： 其中，是一个向量，表示待优化的核函数参数；为核函数的第个参数。

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三峡大学，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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”。

以上内容由龙图腾AI智能生成。