公开(公告)号：CN119494031A

公开(公告)日：2025-02-21

申请号：CN202411530376.3

申请日：2024-10-30

Applicant: 南方海洋科学与工程广东省实验室(广州)

Inventor： 万航 ,  解玉磊 ,  蔡宴朋 ,  杨志峰

IPC: G06F18/241 ,  G06F18/2415 ,  G06F18/2135 ,  G06F18/15 ,  G06F18/2113 ,  G06F18/22 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/0442 ,  G06N3/0455 ,  G06F123/02

Abstract: 本发明公开了一种基于生成对抗网络数据增强的水质预测方法，该方法包括：数据采集与数据处理，水质数据增强，生成数据分析及评估，水质预测，结果讨论与分析；本发明建立了基于Bi T imeGAN模块和GRU模块的混合深度学习模型，以增加水质数据量，提高深度学习模型的预测精度。该方法的优越性表现在开发的Bi T imeGAN模型，考虑了时序数据的全局和局部特征，解决了传统生成对抗网络与时间序列生成模型无法捕捉时间序列数据全局和局部特征信息的局限，实现时间序列信息全局与局部时序特征的提取和筛选，使得生成的数据在静态特征上接近真实数据，同时还保留时序数据在时间上的依赖关系；本方法所建立的模型在时序数据生成、水质预测方面具有更高的精度。

公开(公告)号：CN118261210A

公开(公告)日：2024-06-28

申请号：CN202410473133.4

申请日：2024-04-19

Applicant: 南方海洋科学与工程广东省实验室(广州)

Inventor： 万航 ,  曾景林 ,  解玉磊 ,  蔡宴朋 ,  杨志峰

IPC: G06N3/0475 ,  G06N3/094 ,  G06N3/126 ,  G06N20/00

Abstract: 本发明属于水环境监测技术领域，具体涉及一种基于可解释机器学习的水质软测量方法。S1：获取河流水质的样本数据；S2：对S1的样本数据进行分频处理，得到分频后数据的多频率信号，进而确定影响预测结果精度的关键频率信号；S3：建立水质软测量模型；S4：基于遗传算法对S3中的水质软测量模型参数进行率定，得到率定后的水质软测量模型以及水质软测量模型参数；通过率定后的水质软测量模型预测水质指标浓度值。通过本发明提供的测量方法，采用生成对抗网络学习样本数据的分布特征，从而生成与真实样本数据相似的虚拟数据，进行样本数据增强与扩展，提升模型的泛化能力与鲁棒性，解决传统机器学习模型样本数据量需求大的问题。