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！

龙图腾网获悉山东省水利科学研究院申请的专利一种盐碱土壤改良效果评估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：CN119939227B 。

龙图腾网通过国家知识产权局官网在2025-07-25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：202510436115.3，技术领域涉及：G06F18/213；该发明授权一种盐碱土壤改良效果评估方法是由毕华军;牟艳红;张立平;牟强;王康康;孙力;杨萌;李鹏明;谷相玉设计研发完成，并于2025-04-09向国家知识产权局提交的专利申请。

本一种盐碱土壤改良效果评估方法在说明书摘要公布了：本发明涉及一种盐碱土壤改良效果评估方法，属于盐碱地改良评估领域。其包括以下步骤：获取盐碱土壤数据，并对盐碱土壤数据进行人工标注，得到原始盐碱土壤数据集；通过训练好的基于量子叠加态的SMOTE算法对原始盐碱土壤数据集进行扩充，得到扩充后的最终盐碱土壤数据集；对扩充后的最终盐碱土壤数据集进行预处理，最终得到预处理后的盐碱土壤数据；预处理后的盐碱土壤数据经过机器学习模型进行处理，得到分类结果；根据分类结果对盐碱土壤改良效果进行评估，并根据评估结果对模型进行调优。本发明通过在传统SMOTE算法中引入量子态映射和隧穿效应，能够提高盐碱土壤数据的样本多样性和鲁棒性。

本发明授权一种盐碱土壤改良效果评估方法在权利要求书中公布了：1.一种盐碱土壤改良效果评估方法，其特征在于，包括以下步骤： S1.获取盐碱土壤数据，并对盐碱土壤数据进行人工标注，得到原始盐碱土壤数据集； S2.通过训练好的基于量子叠加态的SMOTE算法对原始盐碱土壤数据集进行扩充，得到扩充后的最终盐碱土壤数据集；在所述基于量子叠加态的SMOTE算法中利用量子隧穿效应引入非线性扰动； 具体地，所述基于量子叠加态的SMOTE算法的训练流程包括： S21.对盐碱土壤数据集中的每个样本进行量子表示处理，得到量子叠加态表示； S22.基于SMOTE算法生成合成样本的策略，通过线性插值的方式生成新的合成样本，同时在原始样本邻域内采用多次量子态叠加，结合量子隧穿效应生成新的候选样本，公式表示如下： ， 其中，表示新的候选样本；表示第个样本的扰动调节因子，用于控制第个样本的扰动幅度；表示第个盐碱土壤数据样本点的局部密度；表示第个盐碱土壤数据样本点的局部密度；表示第个样本的特征表示；表示第个样本的特征表示；为正整数；为正整数；为量子叠加态表示，表征量子态空间中叠加的样本；表示插值系数，控制生成样本与原始样本之间的距离，满足；表示利用量子隧穿效应引入的非线性扰动，表示虚数单位，表示量子态相位角；依据量子隧穿效应，在计算量子态相位角的过程中引入非线性扰动； S23.根据每个样本的局部密度和位置调整扰动的方向和幅度，样本的扰动调节因子计算公式表示如下： ， 其中，表示控制扰动幅度随样本距离中心点的衰减速率；为L2范数，同欧氏距离计算方式；表示盐碱土壤数据集全局中心的样本点；表示第个样本的局部密度，反映第个样本周围的样本密集度；表示盐碱土壤数据集中的最大局部密度； S24.通过局部密度度量来识别高维盐碱土壤数据空间的边界； S25.采用自适应扰动优化策略更新新样本，公式表示如下： ， 其中，表示更新后生成的新样本；表示扰动的学习率；表示生成的新样本与第个样本之间的距离度量，表示生成的新样本与第个样本之间的距离度量，所述距离度量基于欧氏距离计算；表示样本扰动更新量，反映扰动方向与幅度；依据样本间的相对距离与类别平衡后合成样本的叠加状态计算扰动更新量，公式表示如下： ， 其中，表示扰动扩展因子；表示优化后的量子态表示，表征类别平衡后合成样本的叠加状态； S26.采用量子态优化机制实现样本类别平衡，通过计算各类别样本分布并调整生成样本比例，动态平衡盐碱土壤数据集中各类别样本数量，优化后的量子态表示的计算公式表示如下： ， 其中，表示第个类别的优化系数，为正整数；表示第个类别的样本数量；表示第个样本的特征表示；表示盐碱土壤数据集中样本的总数量；表示当前盐碱土壤数据集中样本总数； S27.通过计算更新后生成的新样本与原始样本间的特征距离，得到更新后生成的新样本的质量评分，公式表示如下： ， 其中，表示更新后生成的新样本的质量评分，表示参与评估的样本数量；表示第个样本在质量评估中的权重，根据其在原始盐碱土壤数据集中的重要性进行调整，该权重依据样本特征向量进行调整，公式表示为，为常数，设置为0.001；若更新后生成的新样本的质量评分大于预设的阈值，则保留该样本，否则舍弃该样本； S28.将步骤S27中保留的样本与原始盐碱土壤数据结合构成扩充后的最终盐碱土壤数据集； S3.对扩充后的最终盐碱土壤数据集进行预处理，使其适用于机器学习模型的训练与分析，最终得到预处理后的盐碱土壤数据； S4.预处理后的盐碱土壤数据经过机器学习模型进行处理，得到分类结果；所述机器学习模型包括训练好的基于特征重要性衰减函数的自编码器和分类器模型； S5.根据分类结果对盐碱土壤改良效果进行评估，并根据评估结果对模型进行调优。

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山东省水利科学研究院，其通讯地址为：250014 山东省济南市历下区历山路125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”。