(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111218314.5 (22)申请日 2021.10.20 (65)同一申请的已公布的文献号 申请公布号 CN 113868963 A (43)申请公布日 2021.12.31 (73)专利权人 中国水利水电科 学研究院 地址 100048 北京市海淀区车公庄西路20 号 (72)发明人 刘广全　史婉丽　刘鎏　齐春雨　 白应飞　陈永贵　张强　 (74)专利代理 机构 北京正华智诚专利代理事务 所(普通合伙) 11870 专利代理师 何凡 (51)Int.Cl. G06F 30/27(2020.01) G06F 17/16(2006.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 3/12(2006.01) G06N 20/00(2019.01) (56)对比文件 CN 102360453 A,2012.02.2 2 CN 112084926 A,2020.12.15 CN 108920674 A,2018.1 1.30 US 202016 3296 A1,2020.0 5.28 US 2021118117 A1,2021.04.2 2 丁新辉 等.基 于改进TOPSIS法的南方岩溶 区石漠化 生态治理模式评价. 《泥沙 研究》 .2021, 胡淑萍 等.人工神经网络在流 域植被类型 优化中的应用. 《北京林业大 学学报》 .20 08,第30 卷 审查员 李娜 (54)发明名称 基于机器学习的仿自然生态 植被构建方法、 系统及设备 (57)摘要 本发明公开了一种基于机器学习的仿自然 生态植被构建方法， 包括获取植被群落历史生长 环境数据； 提取各植被的立地条件 特征信息和生 长条件特征信息； 构建植被群落结构选择模型； 利用植被群落结构选择模型， 根据植被群落当前 生长环境数据选择最优植被， 构建仿自然生态植 被群落。 本发 明从立地条件和生长条件综合考虑 植被恢复的多种影响因素， 具有操作简单、 建模 速度快， 计算效率高， 筛选准确率高等优点， 能够 实现准确有效的退耕还 林植被恢复， 有助于提升 生态环境质量。 权利要求书3页 说明书8页 附图2页 CN 113868963 B 2022.06.28 CN 113868963 B 1.一种基于 机器学习的仿自然生态植被构建方法， 其特 征在于， 包括以下步骤： 获取植被 群落历史生长环境数据； 从历史生长环境数据中提取 各植被的立 地条件特 征信息和生长条件特 征信息； 根据植被的立地条件特征信息和生长条件特征信息， 构建植被群落结构选择模型， 具 体包括以下分步骤： 获取植被所处气象环境的生长条件特征信 息， 选取各植被相关性最大的生长条件特征 信息； 获取植被所处地理环境的立地条件特征信 息， 选取各植被相关性最大的立地条件特征 信息； 根据选取的各植被相关性最大的生长条件特征信 息和立地条件特征信 息， 构建一一对 应关系的样本数据库； 利用样本数据库， 基于机器学习方法训练植被群落结构选择模型， 确定生长条件特征 信息和立 地条件特 征信息与植被 类型之间的对应关系； 利用植被群落结构选择模型， 根据植被群落当前生长环境数据选择最优植被， 构建仿 自然生态植被 群落。 2.根据权利要求1所述的基于机器学习的仿自然生态植被构建方法， 其特征在于， 所述 植被的立地条件特征信息包括植被所处地理环境的坡向特征信息、 坡度特征信息、 坡位特 征信息和微 地形特征信息； 其中植被所处 的坡向特征信息具体为植被所处的坡向为阳坡、 半阳坡、 半阴坡、 阴坡中 的一种； 植被所处的坡度特征信息具体为植被所处的坡度为平坡、 缓坡、 斜坡、 陡坡、 急坡、 险坡 中的一种； 植被所处的坡位特征信息具体为植被所处的坡位为脊坡、 上坡、 中坡、 下坡、 谷坡中的 一种； 植被所处的微地形特征信息具体为植被所处的微地形为缓台、 塌陷、 切沟、 浅沟、 陡坎 中的一种。 3.根据权利要求2所述的基于机器学习的仿自然生态植被构建方法， 其特征在于， 所述 植被的生长条件特征信息包括植被所处气象环境的日照时数特征信息、 土壤湿度特征信 息、 空气温度特 征信息、 空气压强特 征信息、 相对湿度特 征信息。 4.根据权利要求1所述的基于机器学习的仿自然生态植被构建方法， 其特征在于， 所述 获取植被所处气象环 境的生长条件特征信息， 选取各植被相关性最大的生长条件特征信息 具体包括以下分步骤： 获取植被所处气象环境的生长条件特 征信息， 构建生长条件特 征信息矩阵； 设定生长条件阈值， 构建生长条件阈值矩阵； 分别计算各种生长条件特 征信息与对应的生长条件阈值的关联系数； 根据计算的关联系数， 分别计算各种生长条件特 征信息的关联序； 根据计算的关联序按大小 进行排序， 选择关联序最大的生长条件特 征信息。 5.根据权利要求4所述的基于机器学习的仿自然生态植被构建方法， 其特征在于， 所述 获取植被所处地理环 境的立地条件特征信息， 选取各植被相关性最大的立地条件特征信息权　利　要　求　书 1/3 页 2 CN 113868963 B 2具体包括以下分步骤： 获取植被所处地理环境的立 地条件特 征信息， 构建立 地条件特 征信息矩阵； 设定立地条件阈值， 构建立 地条件阈值矩阵； 分别计算各种立 地条件特 征信息与对应的立 地条件阈值的关联系数； 根据计算的关联系数， 分别计算各种立 地条件特 征信息的关联序； 根据计算的关联序按大小 进行排序， 选择关联序最大的立 地条件特 征信息。 6.根据权利要求5所述的基于机器学习的仿自然生态植被构建方法， 其特征在于， 所述 利用样本数据库， 基于机器学习方法训练植被群落结构选择模型， 确定生长条件特征信息 和立地条件特 征信息与植被 类型之间的对应关系具体包括以下分步骤： 获取样本数据库中的样本数据作为训练样本； 对样本数据进行归一 化处理； 设定隐层数目； 初始化进化次数、 种群规模、 交叉概 率和变异概 率； 对种群进行实数编码， 并将预测数据与期望数据之间的误差作为 适应度函数； 循环进行选择、 交叉、 变异、 计算适应度操作， 直到达到进化次数， 得到最优的初始权值 和阈值； 将得到最优初始权值和阈值作为神经网络中初始神经元之间的权值和阈值， 构建植被 群落结构选择模型； 利用训练样本训练植被群落结构选择模型， 建立生长条件特征信 息和立地条件特征信 息与植被 类型之间的对应关系。 7.一种基于 机器学习的仿自然生态植被构建系统， 其特 征在于， 包括： 数据获取模块， 用于获取植被 群落历史生长环境数据； 数据提取模块， 用于从历史生长环境数据中提取各植被的立地条件特征信 息和生长条 件特征信息； 模型构建模块， 用于根据植被的立地条件特征信息和生长条件特征信息， 构建植被群 落结构选择模型， 具体为 获取植被所处气象环境的生长条件特征信 息， 选取各植被相关性最大的生长条件特征 信息； 获取植被所处地理环境的立地条件特征信 息， 选取各植被相关性最大的立地条件特征 信息； 根据选取的各植被相关性最大的生长条件特征信 息和立地条件特征信 息， 构建一一对 应关系的样本数据库； 利用样本数据库， 基于机器学习方法训练植被群落结构选择模型， 确定生长条件特征 信息和立 地条件特 征信息与植被 类型之间的对应关系； 植被构建模块， 用于利用植被群落结构选择模型， 根据植被群落当前生长环境数据选 择最优植被， 构建仿自然生态植被 群落。 8.一种基于 机器学习的仿自然生态植被构建 设备， 其特 征在于， 包括： 存储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至6任一项所述的基于机器学习权　利　要　求　书 2/3 页 3 CN 113868963 B 3