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！

龙图腾网获悉中国人民解放军93204部队申请的专利地下工程场景下基于改进随机森林的滑坡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：CN119862488B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202411952914.8，技术领域涉及：G06F18/243；该发明授权地下工程场景下基于改进随机森林的滑坡预测方法是由许文学;陈金磊;陈宗清;柳倩男;李玉设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本地下工程场景下基于改进随机森林的滑坡预测方法在说明书摘要公布了：地下工程场景下基于改进随机森林的滑坡预测方法，属于地下工程技术领域，为了解决利用现有的随机森林对滑坡进行预测时存在不能在保证良好精度的同时具有很好稳定性的问题。本发明首先在真实的地下工程场景中采集数据并进行清洗，利用训练集训练CART，应用每个CART在多个测试集上进行预测得到平均分类精度，并降序排序；采用向量内积方法计算并保存决策树之间的内积数值，将向量内积小于等于内积阈值的决策树保留，否则标记为可删除；按照分类准确率从低到高依次删除被标记为可删除的决策树，直到剩下的决策树数量为N，结合多数表决规则，确定改进随机森林的决策结果；利用得到的随机森林分类器进行滑坡预测。

本发明授权地下工程场景下基于改进随机森林的滑坡预测方法在权利要求书中公布了：1.一种地下工程场景下基于改进随机森林的滑坡预测方法，其特征在于，首先获取地质参数特征，然后利用改进随机森林模型进行滑坡预测； 所述改进随机森林模型的构建过程包括以下步骤： Step 1：通过参数采集终端连接的集成传感器模块插入斜坡来采集样本，每个样报包括多个地质参数特征，进而得到原始样本集； 通过不放回的随机抽样方式从原始样本集中分别选出K个样本子集，K大于等于3，作为评估每个CART分类性能的测试集； Step 2：确定需要训练的CART的个数N和对应特征子集中的特征个数；利用Bagging在原始样本集的剩余样本上进行1+m×N次有放回的随机抽样，构建1+m×N个训练集；在此基础上，训练1+m×N个CART；其中，m×N个CART是在预设数量的基础上多训练一定数量的CART； Step 3：应用每个CART在K个样本子集上进行预测，将取得的分类精度表示为其中，i＝1,2,...,1+m×N，表示第i个CART，j＝1,2,3,……,K，表示第j个样本子集； Step 4：计算第i个CART取得的平均分类精度Step 5：将CART按照取得的平均分类精度进行降序排列； Step 6：采用公式1所示的向量点积法计算并保存CART之间的内积数值；以随机森林取得的整体分类精度为评价指标，结合网格搜索法来寻找最优的内积阈值t；对于内积数值小于等于内积阈值的一对CART进行保留；对于内积数值大于内积阈值的一对CART，将其中取得平均分类精度低的CART标记为可删除； SimDi,Dj＝acosWi·Wj           1式中，Di和Dj分别表示两个CART，Wi表示CARTi对应的特征子集，Wj表示CARTj对应的特征子集，acos·表示反余弦函数； Wi·Wj的详细计算公式如下： 式中，Wim表示特征子集Wi中的第m个特征，Wjn表示特征子集Wj中的第n个特征；I是指示函数，只有当Wim＝Wjn时，IWim＝Wjn＝1，否则IWim＝Wjn＝0；Wim＝Wjn表示不同的特征子集中选择了相同的特征； Step 7：将所有被标记为可删除的CART按照取得的平均分类精度进行升序排列，并依次进行删除，直到剩余的CART的数量为N；即，剩余的CART的数量达到预设数量； Step 8：利用保留的N个CART来构建随机森林；结合多数表决规则，确定改进随机森林的决策结果。

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中国人民解放军93204部队，其通讯地址为：100068 北京市丰台区洋桥12号院；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。