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耕地与农业环境生态研究所申请的专利一种重金属镉污染修复神经网络模型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：CN120338389B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510428165.7，技术领域涉及：G06Q10/0631；该发明授权一种重金属镉污染修复神经网络模型是由董春华设计研发完成，并于2025-04-08向国家知识产权局提交的专利申请。

本一种重金属镉污染修复神经网络模型在说明书摘要公布了：本发明涉及土壤重金属污染修复技术领域，尤其涉及一种重金属镉污染修复神经网络模型，包括以下步骤：S1、获取环境因子数据并进行预处理；S2、构建镉含量预测模型，包括：建立初始模型结构，并基于预处理后的环境因子数据进行模型训练，利用可解释性分析方法计算模型中各环境因子的贡献度，将环境因子贡献度作为可解释性约束，与预测精度及模型复杂度构建优化目标函数，基于优化目标函数对模型结构进行迭代优化，得到镉含量预测模型；S3、基于镉含量预测模型对稻谷镉含量进行预测，并基于预测结果优化农艺措施。本发明通过上述方案实现了对稻谷镉含量的精准预测和科学解释，提高了模型在农田重金属镉污染修复中的实用性。

本发明授权一种重金属镉污染修复神经网络模型在权利要求书中公布了：1.一种基于重金属镉污染修复神经网络模型对稻谷镉含量进行预测的方法，其特征在于，包括以下步骤： S1、获取环境因子数据，对环境因子数据进行预处理； S2、构建镉含量预测模型，包括：建立初始模型结构，并基于预处理后的环境因子数据进行模型训练，利用可解释性分析方法计算模型中各环境因子的贡献度，将所述环境因子贡献度作为可解释性约束，与预测精度及模型复杂度构建优化目标函数，基于所述优化目标函数对模型结构进行迭代优化，得到镉含量预测模型； S3、基于镉含量预测模型对稻谷镉含量进行预测，并基于预测结果优化农艺措施； 步骤S2具体包括： S21、建立初始神经网络模型，基于预处理后的环境因子数据对所述初始神经网络模型进行训练； S22、构建优化目标函数，所述优化目标函数综合考虑预测误差、模型复杂度和环境因子贡献度的平衡性，其中环境因子贡献度基于可解释性分析方法计算，所述可解释性分析方法包括SHAP值，用于量化各环境因子对稻谷镉含量预测结果的贡献； S23、在训练过程中，基于优化目标函数的值，通过反向传播算法计算优化目标函数对模型参数的梯度，将所得梯度用于实时调整模型的权重和偏置参数，以逐步降低优化目标函数的值； S24、通过迭代优化调整神经网络模型结构，包括隐含层神经元数量和连接权重，选择优化目标函数值最优的模型结构作为镉含量预测模型； 步骤S22中环境因子贡献度基于可解释性分析方法计算具体包括： S221、在神经网络模型每次权重更新后，基于当前模型参数及SHAP值计算方法，在训练阶段动态计算当前状态下各环境因子在不同特征组合下对预测结果的局部贡献度； S222、对各环境因子的局部贡献度进行样本加权平均，计算并生成每个环境因子的全局SHAP值，所述全局SHAP值表征环境因子在当前模型中对预测结果的整体重要程度； S223、基于全局SHAP值计算每个环境因子与全局期望贡献值之间的贡献偏差，将环境因子的贡献偏差作为可解释性平衡项的量化输入，用于优化目标函数中限制模型对环境因子重要性分布的约束项； 所述优化目标函数的计算表达式如下： 其中，为模型参数，为第层节点数1≤≤L，L为隐含层数，W为网络权重矩阵；为动态权重系数，为自适应加权误差项，为第i个样本的实际标签，用于计算预测误差；为第i个样本的预测值，依赖于当前模型参数；为结构复杂度惩罚项，为控制复杂度惩罚项对目标函数的权重；为可解释性平衡项，，为第m个特征在模型参数下的平均贡献度，为针对所有特征的平均贡献度或期望贡献度；为控制可解释性平衡项对目标函数的权重； 为对节点数进行幂次放大，为幂次指数；为p-范数，用于对权重稠密性及幅度的约束；为激活分布不均衡度指标；为调节系数。

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耕地与农业环境生态研究所，其通讯地址为：410125 湖南省长沙市芙蓉区远大二路730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。