(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211140439.5 (22)申请日 2022.09.20 (71)申请人 清华大学 地址 100084 北京市海淀区双清路3 0号 (72)发明人 俞乐　赵剑桥　 (74)专利代理 机构 北京润泽恒知识产权代理有 限公司 1 1319 专利代理师 苟冬梅 (51)Int.Cl. G16B 40/00(2019.01) G06K 9/62(2022.01) G06F 17/16(2006.01) G06F 17/18(2006.01) (54)发明名称 生物种群评估模 型的训练方法、 装置和电子 设备 (57)摘要 本发明实施例提供了一种生物种群评估模 型的训练方法、 装置和电子设备， 所述方法包括： 获取采样区域的栅格数据和实地统计数据； 根据 采样区域中采样点的坐标信息， 合并栅格数据和 实地统计数据， 获取生物种群评估模 型的训练样 本集； 所述训练样本集包括： 随机效应类型的第 一特征和固定效应类型的第二特征； 基于所述训 练样本集中的所述第一特征和所述第二特征进 行训练， 获取生物种群评估模型。 同时利用栅格 数据和实地统计数据对评估模型进行训练， 突破 了现有技术中生物评估的空间限制， 对随机效应 和固定效应的合理应用提高了较大空间尺度下 的生物种群评估的准确率， 大大帮助了人类对于 自然界生物种群的评估， 提高了人类自然资源利 用的准确率和效率。 权利要求书3页 说明书15页 附图3页 CN 115223660 A 2022.10.21 CN 115223660 A 1.一种生物种群评估 模型的训练方法， 其特 征在于， 包括： 获取采样区域的栅格数据和实地统计数据； 根据采样区域中采样点的坐标信息， 合并所述栅格数据和实地统计数据， 获取所述生 物种群评估模型 的训练样本集； 所述训练样本集包括： 随机效应类型 的第一特征和固定效 应类型的第二特 征； 基于所述训练样本集中的所述第 一特征和所述第 二特征进行训练， 获取所述生物种群 评估模型， 所述 生物种群评估 模型用于 评估生物种群信息 。 2.根据权利要求1所述的方法， 其特征在于， 所述训练样本集包括第 一训练样本集和第 二训练样本集； 所述根据采样区域中采样点的坐标信息， 合并所述栅格数据和实地统计数据， 获取所 述生物种群评估 模型的训练样本集， 包括： 根据所述实地统计数据， 划分包括物种数量信 息的第一实地统计数据和包括生物个体 数量信息的第二实地统计数据； 根据采样区域中采样点的坐标信息， 合并所述栅格数据和第一实地统计数据， 获取第 一集合； 根据采样区域中采样点的坐标信息， 合并所述栅格数据和第二实地统计数据， 获取第 二集合； 分别将所述第一集合和第二集合中的生物种群的特征信息进行固定效应类型和随机 效应类型 的划分， 获得所述评估模型 的第一训练样本集和第二训练样本集； 所述第一训练 样本集包括采样区域的物种 数量信息、 第一特征信息和第二特征信息； 所述第二训练样本 集包括采样区域的生物个 体数量信息、 第一特 征信息和第二特 征信息。 3.根据权利要求2所述的方法， 其特征在于， 在所述根据所述实地统计数据， 划分包括 物种数量信息的第一 实地统计数据和包括生物个体数量信息的第二 实地统计数据之前， 所 述根据采样区域中采样点的坐标信息， 合并所述栅格数据和实地统计数据， 获取所述生物 种群评估 模型的训练样本集， 还 包括； 对所述实地统计数据进行 校正； 所述根据 所述实地统计数据， 划分包括物种数量信 息的第一实地统计数据和包括生物 个体数量信息的第二实地统计数据， 包括： 根据校正后的所述实地统计数据， 划分第一实地统计数据和第二实地统计数据。 4.根据权利要求2所述的方法， 其特征在于， 所述生物种群评估模型包括物种数量评估 模型和生物个体数量评估模型； 所述第一特征包括采样信息来源； 所述第二特征包括农地 动态特征； 所述基于所述训练样本集中的所述第 一特征和所述第 二特征进行训练， 获取所述生物 种群评估 模型， 包括： 以所述第一训练样本集中的物种数量信 息为响应变量， 基于第 一训练样本集按照如下 公式训练所述物种数量评估 模型， 获取基于广义线性混合模型的物种数量评估 模型： ， 其中， g （Y1） 代表因变量Y1与线性部分X1β1+Z1μ1+ε1的连接函数； Y1表示因变量物种数量； X1代表自变量农地动态特征的设计矩阵， β1代表自变量农地动态特征的参数矩阵； Z1代表自权　利　要　求　书 1/3 页 2 CN 115223660 A 2变量采样信息 来源的设计矩阵， μ1代表自变 量采样信息 来源的参 数矩阵； ε1代表随机 误差矩 阵； 以所述第二训练样本集中的生物个体数量信 息为响应变量， 基于所述第 二训练样本集 按照如下公式训练生物个体数量评估模型， 获取基于线性混合模型的生物个体数量评估模 型： ， 其中， Y2表示因变量物种数量； X2代表自变量农地动态特征的设计矩阵， β2代表自变量 农地动态特征的参 数矩阵； Z2代表自变 量采样信息 来源的设计矩阵， μ2代表自变量采样信息 来源的参数矩阵； ε2代表随机误差矩阵。 5.根据权利要求4所述的方法， 其特征在于， 所述μ1用于表示所述第一训练样本集中的 采样数据来源信息与 物种数量的关系， 所述第一训练样本集中的采样数据来源信息包括自 变量采样点数据的原 始来源、 采样点的上级分区和采样点本身的信息； 所述μ2用于表示所述第二训练样本集中的采样数据来源信息与生物个体数量的关系， 所述第二训练样本集中的采样数据来源信息包括自变量采样点数据的原始 来源、 采样点的 上级分区和采样点本身的信息 。 6.根据权利要求 4所述的方法， 其特 征在于， 所述物种数量评估 模型的训练方法包括： 以所述第一训练样本集中的物种数量信息为响应变量， 基于第一训练样本集， 采用贝 叶斯参数估计的方法训练所述广义线性混合模型， 获取 所述物种数量评估 模型。 7.根据权利要求4所述的方法， 其特征在于， 所述生物个体数量评估模型的训练方法， 至少包括如下任一 一项： 以所述第二训练样本集中的生物个体数量信息为响应变量， 基于所述第二训练样本 集， 采用限制极大似然估计的方法训练所述线性混合模型， 获取所述生物个体数量评估模 型； 以所述第二训练样本集中的生物个体数量信息为响应变量， 基于所述第二训练样本 集， 采用最小范数二次无偏估计的方法训练所述线性混合模型， 获取所述生物个体数量评 估模型。 8.一种生物种群评估方法， 其特 征在于， 包括： 获取目标区域的栅格数据和实地统计数据； 基于所述栅格数据和实地统计数据， 根据物种数量评估模型， 获取对所述目标区域内 物种数量的评估结果； 基于所述栅格数据和实地统计数据， 根据生物个体数量评估模型， 获取对所述目标区 域内生物个 体数量的评估结果； 其中， 所述物种数量评估模型和生物个体数量评估模型均为基于训练样本集中的第 一 特征和第二特 征进行训练得到的。 9.一种生物种群评估 模型的训练装置， 其特 征在于， 包括： 采样区域数据获取模块， 用于获取采样区域的栅格数据和实地统计数据； 采样区域数据合成模块， 用于根据采样区域中采样点的坐标信息， 合并所述栅格数据 和实地统计数据， 获取所述生物种群评估模型的训练样本集； 所述训练样本集包括： 随机效 应类型的第一特 征和固定效应 类型的第二特 征；权　利　要　求　书 2/3 页 3 CN 115223660 A 3