龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南方海洋科学与工程广东省实验室(广州)
申请日：2024-04-19
公开（公告）日：2024-06-28
公开（公告）号：CN118261210A
主分类号：G06N3/0475
分类号：G06N3/0475;G06N3/094;G06N3/126;G06N20/00
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：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。
主权项：1.一种基于可解释机器学习的水质软测量方法，其特征在于，包括以下步骤：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，水质软测量模型为： 式中，为第t个样本的预测结果；w为树的编号；Ω是所有CART树的集合；fθ为第θ棵树的预测结果；xt为输入的第t个样本；F是包含所有可能的决策树模型的集合；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。
全文数据：
权利要求：
百度查询： 南方海洋科学与工程广东省实验室(广州) 基于可解释机器学习的水质软测量方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号