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BOSS-SAPSO优化极限学习机的土壤重金属预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：CN115130377B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202210704753.5，技术领域涉及：G06F30/27；该发明授权一种BOSS-SAPSO优化极限学习机的土壤重金属预测方法是由任顺;陆旻波;肖配;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BOSS-SAPSO优化极限学习机的土壤重金属预测方法在说明书摘要公布了：一种BOSS‑SAPSO优化极限学习机的土壤重金属预测方法，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；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特征选择；步骤4：建立极限学习机；步骤5：采用优化后的权重和隐含层偏置训练极限学习机，得到土壤重金属预测模型，将测试集输入预测模型，得到重金属的预测值。本发明的目的是为了解决在现有的土壤重金属预测中，所获得的相关光谱数据维度高、数据间冗余大且光谱与土壤重金属之间会呈现复杂的非线性，从而使得土壤重金属预测效率、效果、精准度不高的技术问题。

本发明授权一种BOSS-SAPSO优化极限学习机的土壤重金属预测方法在权利要求书中公布了：1.一种BOSS-SAPSO优化极限学习机的土壤重金属预测方法，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特征选择，将提取的特征光谱数据作为新的训练样本集和测试样本集； 步骤4：建立极限学习机，将训练样本集中的数据作为极限学习机的输入，将训练样本集中的土壤重金属含量作为极限学习机的输出，优化极限学习机的输入权重、隐含层节点数和隐含层偏置，确定极限学习机的输入权重、隐含层节点数和隐含层偏置； 步骤5：采用优化后的权重和隐含层偏置训练极限学习机，得到土壤重金属预测模型，将测试集输入预测模型，得到重金属的预测值； 在步骤4中，建立极限学习机，将训练样本集中的数据作为极限学习机的输入，将训练样本集中的土壤重金属含量作为极限学习机的输出，采用串联自适应粒子群优化算法优化极限学习机的输入权重、隐含层节点数和隐含层偏置，根据全局最优粒子确定极限学习机的输入权重、隐含层节点数和隐含层偏置；包括以下子步骤： 步骤4.1：根据串联类型计算粒子维度，初始化串联自适应粒子群优化算法的粒子维度D； ； 其中，为粒子群算法串联类型，p为BOOS算法提取的特征变量个数，h为优化的隐含层节点数，o为输出重金属类型数量，时表示优化的参数为隐含层节点数；时表示优化的参数为输入权重和隐含层偏置；时表示优化的参数为极限学习机网络的所有权重和偏置； 步骤4.2：设定种群规模N、最大迭代次数G、惯性权重w、加速系数c1和c2、粒子速度v和位置x，随机初始化自适应粒子群优化算法的粒子位置初值xi0和粒子速度初值vi0，令粒子的历史最优解pBest设为初始位置，群体最优的粒子作为当前全局最优解gBest，令迭代次数t=1，i=1，2，...，N； 步骤4.3：判断当前迭代次数t是否达到最大迭代次数G，若是，执行步骤4.6，否则，令迭代次数t＝t+1，执行步骤4.4； 步骤4.4：更新粒子速度vit+1和位置xit+1； 步骤4.5：根据当前粒子群建立极限学习机，将步骤3选取的特征变量对应的光谱数据作为极限学习机的输入，将训练样本集中的土壤重金属含量作为极限学习机的输出，计算预测结果与训练样本集土壤重金属含量的均方误差fitness，作为该粒子群的适应度值，记最小适应度值对应的粒子位置为初始全局最优解gBest： ； 其中，为训练样本重金属含量预测值，y为训练样本重金属含量真实值； 步骤4.6：更新粒子的历史最优解pBest和全局最优解gBest，返回步骤4.2； 步骤4.7：根据全局最优值确定串联类型下参数最优值，返回步骤4.1。

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。