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！

龙图腾网获悉国网上海市电力公司申请的专利一种基于降雨敏感度与决策树的智能分类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：CN120974287B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202511508123.0，技术领域涉及：G06F18/241；该发明授权一种基于降雨敏感度与决策树的智能分类方法是由程玉;何之倬;张颖;谢伟;王辉;曹沁愉;黄婷铃;代荣荣;刘晓楠;王雪婷;周知;冯苗苗;侯昊宇;郝德扬;周心宇;郑真;顾希妤;牟锴;赵方芳;顾培秀;苏珊珊;陆坡燕;李帅位;宋广涵;陈之凯;董艺;张学涵;洪睿洁设计研发完成，并于2025-10-22向国家知识产权局提交的专利申请。

本一种基于降雨敏感度与决策树的智能分类方法在说明书摘要公布了：本发明涉及一种基于降雨敏感度与决策树的智能分类方法。该方法对多源原始数据进行标准化处理，构建数据集；计算用户用电量相对于降雨量变化的敏感度指标，并生成敏感度特征向量；将特征向量与季节性特征和作物类型特征进行融合，得到用于刻画用户用电行为对气候因素动态响应的敏感度综合特征集；将综合特征集输入基于基尼系数分裂准则的决策树模型，并在训练过程中引入跨季节样本平衡机制与降雨异常补偿机制，以获得具备环境鲁棒性的分类模型；通过该模型对新的多源数据进行自动化识别。本发明能够有效提升用户分类的准确性和适应性，避免传统方法依赖人工经验或固定规则的不足，具有在电力调度、差异化电价及需求侧管理中的广泛应用价值。

本发明授权一种基于降雨敏感度与决策树的智能分类方法在权利要求书中公布了：1.一种基于降雨敏感度与决策树的智能分类方法，其特征在于，包括： 对多源原始数据进行标准化处理，生成标准化数据集； 根据所述标准化数据集，计算用户用电量相对于降雨量变化的敏感度指标并以所述敏感度指标为核心构建敏感度特征向量； 将所述敏感度特征向量与环境属性数据中的季节性特征和作物类型特征进行融合，得到敏感度综合特征集； 将所述敏感度综合特征集输入基于基尼系数分裂准则构建的决策树分类模型，在训练过程中引入跨季节样本平衡机制与降雨异常补偿机制，以形成具备环境鲁棒性的训练模型； 利用所述训练模型对新的多源原始数据进行分类识别； 其中，所述根据所述标准化数据集，计算用户用电量相对于降雨量变化的敏感度指标并以所述敏感度指标为核心构建敏感度特征向量，包括： 对所述标准化数据集中的降雨量数据进行多级强度分段，将降雨条件划分为小雨、中雨、大雨及极端降雨四个等级，并对每一个等级区间计算对应的平均降雨水平，生成多级降雨强度参考值； 对所述标准化数据集中的用户用电量数据进行对应分组统计，分别计算在不同降雨强度参考值下的平均用电量，并与无雨条件下的平均用电量进行差异比对，得到多级用电差异率集合； 对所述多级用电差异率集合进行时序窗口化处理，在设定的连续时间窗口内计算差异率的均值与方差，用于捕捉用户在短期波动与长期趋势下对降雨的响应稳定性，生成窗口化敏感度曲线； 对所述窗口化敏感度曲线进行归一化偏移校正，引入环境属性中的温度与湿度数据作为辅助变量，剔除非降雨因素造成的响应偏差，得到校正后的敏感度序列； 对校正后的敏感度序列进行向量化组合，将小雨、中雨、大雨及极端降雨条件下的校正值依次排列，形成完整的敏感度特征向量，并在该向量中附加由方差度量得到的稳定性指标，用于刻画用户对降雨的整体响应特征； 其中，所述将所述敏感度特征向量与环境属性数据中的季节性特征和作物类型特征进行融合，得到敏感度综合特征集，包括： 对所述敏感度特征向量与所述季节性特征进行时序对齐，将敏感度特征向量中不同降雨等级下的响应值映射到对应的季节窗口内，生成以季节为索引的敏感度分布表； 对所述敏感度分布表引入作物类型权重，所述作物类型权重依据用户在不同时段的主要种植结构按比例分配，用于对不同作物类型下的降雨响应值进行加权修正，生成作物敏感度修正矩阵； 对所述作物敏感度修正矩阵进行交互扩展，构造包括降雨等级、季节、作物类型在内的三维交互特征张量，使每一特征单元均能反映特定季节、特定作物在特定降雨条件下的响应特性，从而得到完整的交互特征张量； 对所述交互特征张量进行归一化压缩，基于各单元在时间维度上的变异性计算归一化系数，对信息冗余度高的单元进行降维，对变异性高的单元予以保留和放大，得到经压缩的核心特征集合； 将所述核心特征集合与敏感度特征向量中的稳定性指标进行拼接，并附加跨季节平滑系数，形成最终的敏感度综合特征集，用于全面刻画用户用电行为对降雨、季节和作物类型的多维动态响应关系； 其中，所述跨季节平滑系数通过比较相邻季节敏感度均值的差异来确定； 所述将所述敏感度综合特征集输入基于基尼系数分裂准则构建的决策树分类模型，在训练过程中引入跨季节样本平衡机制与降雨异常补偿机制，以形成具备环境鲁棒性的训练模型，包括： 对所述敏感度综合特征集进行跨季节分层抽样，将各季节内的数据按照相同比例抽取，生成具备平衡样本数量的跨季节平衡训练集，用于避免某一季节样本占比过高对训练模型造成的偏置； 对所述跨季节平衡训练集进行降雨异常检测，利用历史降雨分布建立参考区间，对超过区间阈值的极端降雨样本单独标记，并通过权重衰减策略降低其在分裂节点计算中的影响，生成异常补偿后的跨季节平衡训练集； 将所述异常补偿后的跨季节平衡训练集输入决策树构建模块，按照基尼系数分裂准则在各候选特征维度上计算分类纯度下降程度，选择能够最大幅度降低不纯度的特征作为当前分裂条件，生成初始的分裂树结构； 对所述分裂树结构进行跨季节鲁棒性评估，在每一层分裂节点处比较不同季节子样本的分类纯度差异，当差异超过设定阈值时，通过调整样本权重或引入额外正则化因子来降低季节差异的影响，从而得到跨季节鲁棒分裂树结构； 对所述跨季节鲁棒分裂树结构进行多轮剪枝操作，采用基于验证集的误差率最小化原则，在保留环境敏感性特征的前提下删除信息贡献不足的叶节点与分支，得到精简后的跨季节鲁棒分裂树结构； 将所述精简后的跨季节鲁棒分裂树结构与敏感度综合特征集中的稳定性指标进行联合校正，在每个叶节点输出类别预测时引入稳定性指标作为修正因子，对波动性较大的特征组合进行置信度降低处理，得到最终的训练模型，用于在面对跨季节不平衡与降雨异常时保持稳定的分类性能。

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国网上海市电力公司，其通讯地址为：200122 上海市浦东新区源深路1122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。