-
公开(公告)号：CN114971005B
公开(公告)日：2024-06-07
申请号：CN202210555814.6
申请日：2022-05-20
Applicant: 厦门大学
IPC: G06Q10/0637 , G06Q50/02 , G01W1/04 , G06N3/0442 , G06N3/09
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。
-
Patent Agency Ranking
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
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：CN114997313B
公开(公告)日：2024-05-07
申请号：CN202210641348.3
申请日：2022-06-07
IPC: G06F18/2433 , G06F18/2431 , G06F17/18 , G06N5/01
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：CN114862035A
公开(公告)日：2022-08-05
申请号：CN202210556998.8
申请日：2022-05-20
Applicant: 厦门大学
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：CN114997313A
公开(公告)日：2022-09-02
申请号：CN202210641348.3
申请日：2022-06-07
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
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。
-
-
-
-
-
Search Results
6
records
(took 0.012 seconds)
