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国防科技大学申请的专利一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统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：CN116609858B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310503117.0，技术领域涉及：G06F30/20；该发明授权一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统是由赵小峰;黄朗;杨平吕;刘宇迪设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统在说明书摘要公布了：本发明属于大气波导判断技术领域，具体提供了一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统，其中方法包括：将气象参数、热带气旋参数及位置参数分别对应不同特征，结合各自标签，组合成数据集；使用网格搜索算法在训练集上调节XGBoost算法的超参数，对训练集进行交叉验证训练得到最优参数组合；使用SHAP来解释XGBoost算法的预测结果，并且分析热带气旋大气波导和不同特征之间的关系，进行特征重要性排序；利用最优参数组合的XGBoost模型，根据特征重要性对应权重输入待测特征，预测大气波导形成概率。通过本方案得到了大气波导形成与特征之间的关系，对热带风暴地区的大气波导形成预测具有指导作用，有利于作战指挥和提前预警。

本发明授权一种基于可解释性XGBoost模型的热带气旋大气波导预测方法及系统在权利要求书中公布了：1.一种基于可解释性XGBoost模型的热带气旋大气波导预测方法，其特征在于，包括： S1，将气象参数、热带气旋参数及位置参数分别对应不同特征，结合各自标签，组合成数据集，为自然数； S2，取数据集中的70%作为训练集，使用网格搜索算法在训练集上调节XGBoost算法的超参数，将剩余30%的数据集作为测试集，对训练集进行交叉验证训练得到最优参数组合； S3，使用SHAP来解释XGBoost算法的预测结果，并且分析热带气旋大气波导和不同特征之间的关系，进行特征重要性排序； 具体地，利用寻找热带气旋大气波导和不同特征之间的关系，Shapely值就是分配给数据集中的特征的预测值，Shapley值的公式如下： ； 其中代表第个样本的第个特征，代表第个样本预测值，是模型基准值，是第个特征对第个样本最终预测结果的贡献值； 其中，SHAP是一个用Python开发的模型解释包，用于解释机器学习模型的输出，用于定量分析机器学习算法预测与输入变量之间的关系，每个变量的SHAP值表示对预测的影响和重要性，SHAP还用于根据变量对预测结果的重要性对变量进行排序； S4，利用最优参数组合的XGBoost模型，根据特征重要性对应权重输入待测特征，预测大气波导形成概率。

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国防科技大学，其通讯地址为：410072 湖南省长沙市开福区德雅路109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。