公开(公告)号：CN114997313A

公开(公告)日：2022-09-02

申请号：CN202210641348.3

申请日：2022-06-07

Applicant: 厦门大学 ,  福建省海洋预报台

Inventor： 陈能汪 ,  余镒琦 ,  赖晓倩 ,  张彦 ,  张树忠 ,  黄水英

IPC: G06K9/62 ,  G06F17/18

Abstract: 本发明公开了一种海洋在线监测数据的异常检测方法，包括以下步骤：S1、对海洋历史监测数据进行点异常标注和序列异常标注，得到测试数据集；S2、基于测试数据集，通过测试分别选取阈值检测、均方差检测、突变点检测、加权移动平均拟合检测、Holt‑Winter拟合检测、孤立森林检测和加权异常分数的最优参数；S3、对海洋在线监测数据进行数据质量检测，并进行预处理；S4、采用已选取最优参数的阈值检测、均方差检测、突变点检测、加权移动平均拟合检测和Holt‑Winter拟合检测分别对预处理后的海洋在线监测数据进行点异常检测并标注；采用已选取最优参数的孤立森林检测对预处理后的海洋在线监测数据进行序列异常检测并标注；该方法可保障海洋在线监测数据的异常检测效果。

公开(公告)号：CN114971005A

公开(公告)日：2022-08-30

申请号：CN202210555814.6

申请日：2022-05-20

Applicant: 厦门大学

Inventor： 陈能汪 ,  赖晓倩 ,  余镒琦

IPC: G06Q10/04 ,  G06Q50/02 ,  G01W1/04 ,  G06N3/08

Abstract: 本发明公开了基于LSTM与差分回归模型动态加权的海湾水温组合预测方法，包括以下步骤：S1、收集水温数据和气象数据，并进行数据预处理；S2、根据预处理后的数据，构建LSTM神经网络预测模型，对每日预报气温数据、水温数据进行差分，得到预报气温差分值和实测水温差分值；S3、训练、测试LSTM神经网络预测模型，选取最佳的LSTM神经网络预测模型；S4、基于预报气温差分值、实测水温值构建纯差分回归预测模型；基于预报气温差分值、实测水温差分值和实测水温值构建混差分回归预测模型；S5、将最佳的LSTM神经网络预测模型、纯差分回归预测模型与混差分回归预测模型基于动态加权的方式组合成水温在线预测模型，并采用水温在线预测模型对海湾的水温进行预测。

公开(公告)号：CN119415850B

公开(公告)日：2025-04-08

申请号：CN202510013099.7

申请日：2025-01-06

Applicant: 厦门大学

Inventor： 陈能汪 ,  郑启卉 ,  梁中耀 ,  余镒琦 ,  李少斌

IPC: G06F18/15 ,  G06F18/2431 ,  G06F18/27 ,  G16C20/70 ,  G16C20/20

Abstract: 本发明公开了一种基于观测数据和机器学习的河口通量实时计算方法，包括以下步骤：S1、实时采集河口入海断面的高频水文观测数据；S2、采用3σ原则确定阈值，剔除水文观测数据的异常值；S3、利用机器学习方法对低水位期间缺失的水位和流速数据进行插补；S4、利用河口某时刻对应的横截面面积、流速、断面与水流方向夹角计算该时刻的流量，再结合碳氮形态小时平均浓度实测数据，得到河口逐时碳氮物质通量；S5、根据河口逐时碳氮物质通量，统计分析某一段时间内的碳氮累积通量；该方法灵活易用，能显著提升河口入海碳氮物质通量的计算精度和实效性，具备快速响应环境变化的能力，适用于河口高度动态变化的环境。

公开(公告)号：CN118052336A

公开(公告)日：2024-05-17

申请号：CN202410424853.1

申请日：2024-04-10

Applicant: 厦门大学

Inventor： 梁中耀 ,  赵昕叶 ,  陈能汪 ,  陈纪新 ,  瞿帆 ,  余镒琦

IPC: G06Q10/04 ,  G06Q10/0637 ,  G06Q50/06 ,  G06N20/00 ,  G06F18/10 ,  G06F18/213

Abstract: 本发明公开了一种基于Ordinal Forests模型的水华级别早期预警方法，包括以下步骤：S1、对水质水生态在线监测系统的水质数据进行预处理；S2、根据叶绿素a值，对预处理后的水质数据划分水华级别；S3、应用重采样方法解决水华级别数据不平衡问题，合成水华级别平衡的数据集；S4、基于Ordinal Forests模型以步骤S3新合成的数据集作为输入变量，构建水华级别早期预警模型，利用训练后的水华级别早期预警模型进行水华级别早期预警；该方法直接易用，在处理次序数据和不平衡数据时有明显的优势，能有效提升饮用水水源地的水华预警精度。

公开(公告)号：CN114862035B

公开(公告)日：2024-05-03

申请号：CN202210556998.8

申请日：2022-05-20

Applicant: 厦门大学

Inventor： 陈能汪 ,  赖晓倩 ,  余镒琦

IPC: G06Q10/04 ,  G06Q50/02 ,  G06N3/096 ,  G06N3/0442 ,  G06F30/27 ,  G06F119/08

Abstract: 本发明公开了一种基于迁移学习的组合式海湾水温预测方法，该方法利用历史观测数据多的B海湾构建最佳的源LSTM神经网络模型，再基于最佳的源LSTM神经网络模型，通过迁移学习构建历史观测数据少的A海湾的最佳迁移LSTM神经网络模型，再结合纯差分回归预测模型和混差分回归预测模型，采用动态加权的方式将三个模型组合成A海湾的迁移水温在线预测模型或B海湾的源水温在线预测模型，不仅可通过源水温在线预测模型对历史观测数据较多的海湾进行水温预测，还可通过迁移水温在线预测模型对历史观测数据较少的海湾进行水温预测，预测精度高、结果可靠，解决了现有技术中因数据量不足导致水温预测精度不高的问题。

公开(公告)号：CN116128049A

公开(公告)日：2023-05-16

申请号：CN202310353400.X

申请日：2023-04-04

Applicant: 厦门大学

Inventor： 陈能汪 ,  余镒琦 ,  杨艾琳

IPC: G06N3/096 ,  G06N3/0442 ,  G06Q50/06

Abstract: 本发明公开了一种基于XGBoost模型的水质预测模型迁移条件选择方法，包括以下步骤：S1、对河流水质自动监测站的水质数据进行预处理；S2、每个站点分别构建LSTM深度学习模型，建立模型库；S3、利用不同的迁移学习算法，将模型库中的模型迁移至其他站点，记录迁移条件信息以及迁移误差；S4、以步骤S3中迁移条件信息为输入变量，迁移误差为预测目标，构建XGBoost模型；S5、对于目标站点，利用训练完毕的XGBoost模型从模型库中找出最佳迁移条件，并用迁移后的模型进行水质预测；该方法灵活易用，在处理有限样本数据时有明显的优势，能有效提升地表水水质预测精度。