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！

龙图腾网获悉哈尔滨工业大学申请的专利数字农业信息的时序因果发现方法、装置、介质及设备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：CN116401291B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202310378471.5，技术领域涉及：G06F16/2458；该发明授权数字农业信息的时序因果发现方法、装置、介质及设备是由姜京池;沈汝佳;王勃然;刘劼;关毅设计研发完成，并于2023-04-10向国家知识产权局提交的专利申请。

本数字农业信息的时序因果发现方法、装置、介质及设备在说明书摘要公布了：本发明提供了一种数字农业信息的时序因果发现方法、装置、介质及设备，属于农业信息化技术领域，所述装置包括：获取模块，用于获取包括多个数字农业信息可观察时间序列的数据集；分解模块，用于将数据集扩展为多个窗口表示，并将数据集的时序因果机制分解为具有机理不变性模块和时间不变性模块的求和形式；第一计算模块，用于通过机理不变性模块输出因果数值变换关系；第二计算模块，用于通过时间不变性模块输出窗口因果图；训练模块，用于根据因果数值变换关系和窗口因果图，获取数字农业信息中不同所述变量的时序因果关系。本发明克服了数字农业信息时序数据噪声多样化、数据量较小的问题，在农业机理研究方面具有良好的应用前景。

本发明授权数字农业信息的时序因果发现方法、装置、介质及设备在权利要求书中公布了：1.一种数字农业信息的时序因果发现方法，其特征在于，包括： 获取包括多个数字农业信息的可观察时间序列的数据集，其中，每个所述可观察时间序列均包含同一时间范围中的样本，所述数据集中的变量包括株高数据、叶片氮含量数据、叶绿素含量数据、土壤温度数据、土壤湿度数据、天气温度数据、天气湿度数据、风速数据、二氧化碳浓度数据、光照强度数据和有效光照时间数据中的至少两种； 基于卷积神经网络，将所述数据集扩展为多个窗口表示，并将所述数据集的时序因果机制分解为具有机理不变性模块和时间不变性模块的求和形式； 根据所述数据集，通过所述机理不变性模块输出因果数值变换关系； 根据所述数据集，通过所述时间不变性模块输出窗口因果图； 根据所述因果数值变换关系和所述窗口因果图，通过平方误差训练模型进行时间预测，获取数字农业信息中不同所述变量的时序因果关系； 所述获取包括多个数字农业信息的可观察时间序列的数据集，包括： 获取包含d个数字农业信息可观察时间序列的数据集，每个所述可观察时间序列均包含同一时间范围中的样本; 所述基于卷积神经网络，将所述数据集扩展为多个窗口表示，包括： 采用长度为的滑动窗口将所述数据集转换为矩阵，所述矩阵中每一个表示窗口观察值，其中，，表示最大滞后延迟，，表示窗口的下标，； 所述将所述数据集的时序因果机制分解为具有机理不变性模块和时间不变性模块的求和形式，包括： 将时序因果机制分解为求和形式，包括表示时间不变性的因果权重和表示机理不变性的因果变换关系，采用公式一进行表示，所述公式一包括： ； 其中，表示在时刻变量的观察数据，表示所述因果权重，表示所述因果变换关系，和表示不同时间序列，表示时间序列对时间序列的因果影响的权重，表示时间延迟，表示从到的变换方程，表示在时刻变量的观察数据，，表示噪声； 所述根据所述数据集，通过所述机理不变性模块输出因果数值变换关系，包括： 采用变换核对每个所述矩阵中的所述窗口观察值执行哈达玛乘积，然后采用PReLU作为激活函数获得输出，采用公式二进行表示，所述公式二包括： ； 其中，表示对应所述窗口观察值的变换后矩阵，表示变换核，表示所述窗口观察值，表示矩阵之间的哈达玛乘积； 采用不同变换核重复执行上述过程，将个所述窗口观察值进行变换得到的所述变换后矩阵进行拼接，获得三维矩阵，然后输出为所述数据集中不同所述变量之间的变换方程； 所述根据所述数据集，通过所述时间不变性模块输出窗口因果图，包括： 对于任意所述窗口观察值，采用公式三聚合所述窗口内时间序列数据之间的相似信息，所述公式三包括： ； 其中，表示提取每个的通用提取核，表示矩阵之间的哈达玛乘积，表示变量个数，表示最大滞后延迟； 采用前馈神经网络将获得的时间关系映射至，且当时间滞后延迟为零时，限制窗口因果图的自循环性，采用公式四表示，所述公式四包括： ； 其中，表示时间序列对的因果影响的权重，时间延迟为，表示使稀疏的阈值； 根据所述公式三和所述公式四输出的结果，获取所述窗口因果图； 所述根据所述因果数值变换关系和所述窗口因果图，通过平方误差训练模型进行时间预测，获取数字农业信息中不同所述变量的时序因果关系，包括： 根据所述机理不变性模块输出的所述因果数值变换关系及所述时间不变性模块输出的所述窗口因果图，通过自回归方式进行参数学习，获取时序因果关系，采用公式五表示，所述公式五包括： ； 其中，表示在时刻变量的预测数据，表示原始输入矩阵经过机理不变性模块转换后的一个时间切片，表示指向时间序列的所有因果边的权重矩阵，表示变量个数，表示最大滞后延迟，表示矩阵之间的哈达玛乘积； 通过优化预测和真实值在每个时间之间的平方误差损失来找到满足条件的窗口因果矩阵，采用公式六表示，所述公式六包括： ； 其中，表示在时刻全部变量的观察数据，表示在时刻全部变量的预测数据； 根据所述窗口因果矩阵，获取数字农业信息中不同所述变量的时序因果关系。

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哈尔滨工业大学，其通讯地址为：150000 黑龙江省哈尔滨市南岗区西大直街92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。