買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉蘇州深藍空間遙感技術有限公司申請的專利一種結合差分學習率與光譜幾何特征的遙感水質反演方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114813651B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210324442.6，技術領域涉及：G01N21/55；該發明授權一種結合差分學習率與光譜幾何特征的遙感水質反演方法是由尹治平;吳磊;孫世山;李玉虎設計研發完成，并于2022-03-29向國家知識產權局提交的專利申請。

本一種結合差分學習率與光譜幾何特征的遙感水質反演方法在說明書摘要公布了：本發明公開一種結合差分學習率與光譜幾何特征的遙感水質反演方法，包括：收集各站點的衛星影像，并得到各站點的遙感反射率；從地表水數據庫中導出地表水監測站點信息和水質指標信息數據；剔除明顯異常的站點遙感反射率，并構建遙感反射率曲線集合；剔除水質指標異常值；通過各站點遙感反射率曲線計算其光譜幾何特征數據，將特征數據合并為特征矩陣，將特征矩陣劃分為訓練集和測試集；將剔除水質指標異常值后的水質指標作為待擬合數據集合并為輸出集，將輸出集劃分為訓練輸出集和測試輸出集；構建機器學習模型，將訓練集輸入模型進行訓練，得到訓練好的模型；將測試集放入訓練好的模型中進行測試，經過評估評價后，將最優模型進行線上部署。

本發明授權一種結合差分學習率與光譜幾何特征的遙感水質反演方法在權利要求書中公布了：1.一種結合差分學習率與光譜幾何特征的遙感水質反演方法，其特征在于，所述方法包括以下步驟： S1、收集各站點的衛星影像，對收集到的衛星影像進行輻射定標，計算出輻射亮度，通過輻射亮度計算出表觀反射率，再通過表觀反射率計算出遙感反射率；從地表水數據庫中導出地表水監測站點信息和水質指標信息數據； S2、剔除明顯異常的站點遙感反射率，并構建遙感反射率曲線集合；剔除水質指標異常值； S3、通過各站點遙感反射率曲線計算其光譜幾何特征數據，將光譜幾何特征數據合并為每一列為一個特征，每一行為一個樣本的m*n的特征矩陣，將特征矩陣劃分為訓練集和測試集；將剔除水質指標異常值后的水質指標作為待擬合數據集合并為輸出集，將輸出集劃分為訓練輸出集和測試輸出集； S4、構建機器學習模型，將訓練集輸入模型進行訓練，得到訓練好的模型；其中，構建機器學習模型包括： 1、構建包含多層多個神經元的神經網絡； 2、設置隱含層激活函數為ReLU函數，設置輸出層激活函數為線性函數； 3、根據隱含層層數設置不同的學習率，各層學習率根據下式計算：ηi＝η01-i×α，式中，i為隱含層層數，ηi為第i層的學習率，η0為第一層的學習率，α為學習率變化率； 前饋神經網絡模型訓練步驟如下： a、初始化模型參數； b、輸入訓練樣本數據； c、計算水質指標預測值； d、計算損失函數； e、判斷誤差是否達到最小，若沒有，將模型參數進行更新，再重復步驟b、c、d，直至誤差最小時，停止迭代并記錄最小誤差，保存模型； 模型損失函數計算公式如下： 式中，yi為第i個樣本點的水質指標，為第i個樣本點的水質指標預測值，L為模型的損失函數； 模型參數更新計算公式如下： 其中，為第i層神經元梯度，ηi為第i層的學習率，εi為更新前的模型參數，εi+1為更新后的模型參數； S5、將測試集放入訓練好的模型中進行測試，結果用平均相對誤差、均方根誤差和決定系數來評估評價，將最優模型進行線上部署。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人蘇州深藍空間遙感技術有限公司，其通訊地址為：215500 江蘇省蘇州市常熟市常福街道柳州路95號瑞特研發大樓3樓；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。