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！

龙图腾网获悉湖南省作物研究所;岳麓山实验室;湖南智行三湘农林科技有限公司申请的专利基于机器学习的玉米产量高温损失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：CN121436286B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511598414.3，技术领域涉及：G06Q10/04；该发明授权基于机器学习的玉米产量高温损失预测方法是由郭欢乐;汤彬;耿存娟;曹钟洋;曾强;揭红东;彭明;匡政成;龙田丹;莫莹莹;李涛;刘文才设计研发完成，并于2025-11-04向国家知识产权局提交的专利申请。

本基于机器学习的玉米产量高温损失预测方法在说明书摘要公布了：本发明公开了基于机器学习的玉米产量高温损失预测方法，具体涉及高温损失预测技术领域，通过构建基于高温‑干旱复合耦合特征的机器学习预测体系，实现对玉米产量高温损失的精细化、动态化与空间化预测，有效捕捉非稳态气候条件下高温与干旱胁迫的交互作用，通过高温胁迫函数与干旱响应矩阵的联合分析，量化复合胁迫特征，并通过非线性正交分解和互信息分析降低特征混叠带来的误判，利用复合胁迫混淆失真指数约束深度学习模型训练，优化网络参数、动态校正预测偏差，实现对极端气候条件下产量损失的稳定与鲁棒预测，同时，通过特征贡献度分析与空间格网映射，能够直观展示复合胁迫条件下产量损失的时空分布。

本发明授权基于机器学习的玉米产量高温损失预测方法在权利要求书中公布了：1.基于机器学习的玉米产量高温损失预测方法，其特征在于：包括如下步骤： 采集地面气象、遥感影像与实测产量数据，执行时间对齐与空间重采样，生成统一时空尺度的多源融合数据集； 根据所述多源融合数据集识别作物关键生育期内温度异常区段，计算高温持续时长与强度指标，形成高温胁迫特征序列，经时间平滑获得连续高温胁迫函数； 将所述高温胁迫函数作为时间参照，对土壤水分、蒸散量及植被指数序列进行时序对齐，提取干旱强度与恢复性主分量，构建干旱胁迫响应矩阵； 根据所述高温胁迫函数与干旱响应矩阵，计算协方差与互信息矩阵，并执行非线性正交分解，生成高温-干旱复合耦合特征张量； 根据所述高温-干旱复合耦合特征张量，计算气候漂移K-L散度及耦合协方差系数，融合生成复合胁迫混淆失真指数； 将复合胁迫表征向量与历史产量损失样本输入深度学习模型，以复合胁迫混淆失真指数为正则项约束损失函数，优化网络参数并动态调整预测偏差，生成稳定鲁棒的高温损失预测模型；所述复合胁迫表征向量包括高温胁迫函数、干旱综合强度、恢复性主分量、复合胁迫混淆失真指数； 对高温损失预测模型的预测结果执行特征贡献度分析，将校正后产量损失映射至空间格网，生成高温损失分布图，实现对复合胁迫区域的风险可视化； 根据所述高温-干旱复合耦合特征张量，计算气候漂移K-L散度及耦合协方差系数，融合生成复合胁迫混淆失真指数，具体如下： 对高温-干旱复合耦合特征张量按历史多年数据与当前年数据分别统计特征联合分布，得到历史概率分布和当前概率分布； 以历史概率分布为参考，计算当前概率分布的气候漂移K-L散度：，其中为历史高温-干旱特征的概率分布，为当前年份高温-干旱特征的概率分布，为特征空间的状态向量； 对高温-干旱复合耦合特征张量中各正交分量，计算两两特征之间的协方差；计算耦合协方差系数； 将气候漂移K-L散度和平均耦合协方差系数进行加权融合，其中为特征索引，为正交分量，计算复合胁迫混淆失真指数：，其中分别为气候漂移K-L散度和平均耦合协方差系数的权重系数，通过最小误差准则确定。

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湖南省作物研究所;岳麓山实验室;湖南智行三湘农林科技有限公司，其通讯地址为：410100 湖南省长沙市芙蓉区马坡岭农科院内；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。