买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学申请的专利一种多周期性生态环境指标异常识别与缺失插补方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120724360B 。

龙图腾网通过国家知识产权局官网在2026-01-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511204784.4，技术领域涉及：G06F18/2433；该发明授权一种多周期性生态环境指标异常识别与缺失插补方法是由梁中耀;李佳;舒雅琦设计研发完成，并于2025-08-27向国家知识产权局提交的专利申请。

本一种多周期性生态环境指标异常识别与缺失插补方法在说明书摘要公布了：本发明公开了一种多周期性生态环境指标异常识别与缺失插补方法，包括以下步骤：S1、基于MSTL对多周期性生态环境数据的各个生态环境指标，分别进行时间序列分解；S2、将分解得到的残差列表标准化为特征矩阵，并输入到多变量孤立森林模型进行异常值识别；S3、合并异常值和原始缺失值，得到含缺失值的时间序列，再采用贝叶斯优化算法对MSTL的超参数进行优选，迭代搜索并确定最优超参数组合；S4、使用最优超参数进行MSTL分解，多指标利用各自分解结果独立插值，重构得到完整的生态环境指标时间序列；该方法支持多指标并行处理，能够准确识别水质数据中的异常值，并利用数据周期性特征进行高精度插值，有效提升水质数据质量，具备良好的推广应用前景。

本发明授权一种多周期性生态环境指标异常识别与缺失插补方法在权利要求书中公布了：1.一种多周期性生态环境指标异常识别与缺失插补方法，其特征在于，包括以下步骤： S1、基于MSTL对多周期性生态环境数据的各个生态环境指标，分别进行时间序列分解； S2、将分解得到的残差列表标准化为特征矩阵，并输入到多变量孤立森林模型进行异常值识别； 步骤S2的具体过程为： S21、输入步骤S1得到的残差列表，每个残差序列对应一个生态环境指标，独立标准化每个残差序列，计算公式为：，式中，为标准化后的残差序列；为MSTL分解得到的原始残差序列；为残差序列的算术平均值；为残差序列的标准差； S22、初始化孤立森林模型； S23、将标准化后的残差序列组合为特征矩阵，其中每列为一个生态环境指标，并输入到多变量孤立森林模型进行异常检测； S24、多变量孤立森林模型输出多维异常得分，并记录原始数据的异常值位置； S3、合并异常值和原始缺失值，得到含缺失值的时间序列，再采用贝叶斯优化算法对MSTL的超参数进行优选，迭代搜索并确定最优超参数组合； 步骤S3的具体过程为： S31、将原始数据的缺失值位置和异常值位置合并，得到最终的缺失值掩码；再将缺失值位置的值设为NaN，所有指标在同一时间点的缺失状态保持一致，形成多组含缺失值的时间序列，记为序列组A； S32、从序列组A的非缺失部分中随机选15%作为验证集，序列A组中非缺失部分的剩余85%作为训练集； S33、设置MSTL超参数的搜索空间为默认值的0.5～2.0倍区间，超参数包括周期项平滑窗口、趋势项平滑窗口和周期项多项式阶数； S34、采用贝叶斯优化评估函数； S35、在训练集上，对每个生态环境指标独立执行超参数优化，并使用当前超参数进行MSTL分解； S36、多指标利用各自分解结果独立插值，其中，趋势项用线性插值，周期项用同相位中位数插值； S37、重构序列，得到序列组B，并计算重构后的序列组B在验证位置的各个生态环境指标的均方根误差RMSE，输出误差的负值； S38、使用贝叶斯优化工具在设置的搜索空间内寻找各个生态环境指标的最优超参数； S39、贝叶斯优化完成后，记录下使目标函数值最大的每个生态环境指标的超参数组合，得到最优超参数组合； S4、使用最优超参数进行MSTL分解，多指标利用各自分解结果独立插值，重构得到完整的生态环境指标时间序列。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361000 福建省厦门市思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。