公开(公告)号：CN115099321A

公开(公告)日：2022-09-23

申请号：CN202210687441.8

申请日：2022-06-17

Applicant: 杭州电子科技大学

Inventor： 叶柯 ,  周奕希 ,  孔佳玉 ,  曹瀚洋 ,  姜沁琬 ,  李宛欣 ,  韩伟

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于排污异常监控领域，提供了一种双向自回归无监督预训练微调式排污异常监控方法，包括以下步骤：多通道采集和传输模块周期性地采集污染源排放口的数据，对原始多维时间序列样本进行预处理；对预处理后的多维时间序列样本进行重采样；构建包括数据重采样增强、编码器、解码器三个部分的模型并进行预训练；对预训练后的模型进行小样本微调和序列点分类；利用上述模型进行排污异常监控。本方法融合了泛化能力强的网络来充分提取多维时间序列中更加抽象的语义特征，使得模型能够有更快的推理速度和更高的精度。

公开(公告)号：CN115099321B

公开(公告)日：2023-08-04

申请号：CN202210687441.8

申请日：2022-06-17

Applicant: 杭州电子科技大学

Inventor： 叶柯 ,  周奕希 ,  孔佳玉 ,  曹瀚洋 ,  姜沁琬 ,  李宛欣 ,  韩伟

IPC: G06F18/241 ,  G06F18/23213 ,  G06N3/0455 ,  G06N3/088 ,  G06N3/084

Abstract: 本发明属于排污异常监控领域，提供了一种双向自回归无监督预训练微调式排污异常监控方法，包括以下步骤：多通道采集和传输模块周期性地采集污染源排放口的数据，对原始多维时间序列样本进行预处理；对预处理后的多维时间序列样本进行重采样；构建包括数据重采样增强、编码器、解码器三个部分的模型并进行预训练；对预训练后的模型进行小样本微调和序列点分类；利用上述模型进行排污异常监控。本方法融合了泛化能力强的网络来充分提取多维时间序列中更加抽象的语义特征，使得模型能够有更快的推理速度和更高的精度。