-
公开(公告)号:CN118052336B
公开(公告)日:2024-06-28
申请号:CN202410424853.1
申请日:2024-04-10
Applicant: 厦门大学
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:CN117973237B
公开(公告)日:2024-06-25
申请号:CN202410387927.9
申请日:2024-04-01
Applicant: 厦门大学
IPC: G06F30/27 , G06F111/04
Abstract: 本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法,包括以下步骤:S1、分别收集有资料流域和无资料流域的气象数据和地理数据,及收集有资料流域的径流数据,并进行数据预处理;S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取;S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重,降低有资料流域和无资料流域之间输入数据集的均值分布差异;S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型,并将无资料流域的输入数据集输入到模型中进行径流模拟;该发明灵活易用,对数据量的依赖性较低,能够有效提升无资料流域的径流模拟精度。
-
公开(公告)号:CN117973237A
公开(公告)日:2024-05-03
申请号:CN202410387927.9
申请日:2024-04-01
Applicant: 厦门大学
IPC: G06F30/27 , G06F111/04
Abstract: 本发明公开了一种基于领域适应和机器学习的无资料流域径流模拟方法,包括以下步骤:S1、分别收集有资料流域和无资料流域的气象数据和地理数据,及收集有资料流域的径流数据,并进行数据预处理;S2、利用随机森林特征重要程度和递归特征消除算法进行模型输入参数选取;S3、利用核均值匹配算法为有资料流域输入数据集中的每个样本分配权重,降低有资料流域和无资料流域之间输入数据集的均值分布差异;S4、利用核均值匹配算法处理后的有资料流域输入数据集构建随机森林模型,并将无资料流域的输入数据集输入到模型中进行径流模拟;该发明灵活易用,对数据量的依赖性较低,能够有效提升无资料流域的径流模拟精度。
-
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
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。
-
-
-