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！

龙图腾网获悉中国科学院地理科学与资源研究所申请的专利一种在线生态观测数据异常检测方法及系统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：CN116933136B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310914974.X，技术领域涉及：G06F18/24；该发明授权一种在线生态观测数据异常检测方法及系统是由谢传节;贺伟设计研发完成，并于2023-07-25向国家知识产权局提交的专利申请。

本一种在线生态观测数据异常检测方法及系统在说明书摘要公布了：本发明公开了一种在线生态观测数据异常检测方法及系统，包括如下检测流程：从历史生态观测数据进行数据漂移检测方法学习，建立数据漂移检测需要的历史数据异常检测模型及数据的漂移分段列表；以历史数据异常检测模型为基础，微调获取当前漂移分段的在线异常检测模型，由在线异常检测模型在线进行异常检测；当训练数据不足时，从历史生态观测数据的漂移分段列表匹配相似数据增强微调数据训练量。本发明利用历史数据学习的模型和历史数据增强训练样本，对在线观测数据进行漂移检测，并通过微调训练获取在线漂移在线数据异常检测模型，提高在线数据异常检测准确性。

本发明授权一种在线生态观测数据异常检测方法及系统在权利要求书中公布了：1.一种在线生态观测数据异常检测方法，其特征在于：检测方法包括如下检测流程： 从历史生态观测数据进行数据漂移检测方法学习，建立数据漂移检测需要的历史数据异常检测模型，并建立历史生态观测数据的漂移分段列表； 生态观测数据异常的在线检测：检测在线数据的漂移分段，以历史数据异常检测模型为基础，微调获取当前漂移分段的在线异常检测模型，由在线异常检测模型在线进行异常检测； 当前漂移分段训练数据不足时，从历史生态观测数据的漂移分段列表匹配相似数据增强微调数据训练量； 所述漂移检测具体过程如下： a根据获取的历史异常标记序列U，依次取索引i位置异常值ui，根据DDM算法，计算变量pi和si； p i 计算方法如下： ⅰ.初始化m=0； ⅱ.依次计算； ⅲ.； s i 计算方法如下： ； b如果pi和si满足公式1，则认为索引i位置发生了数据漂移，记Dend为i-1，从时间序列H按照索引区间Dstart,Dend取数据构成分段序列Hsl{,,…}，加入到分段序列Hs，并设置Dstart为i，重复上述步骤a和b，直到时间序列H所有数据完成检测； 1 其中，，分别为区间j,i之间pi和si的最小值； 生态观测数据异常的在线检测包括以下步骤： 2.1获取历史数据的异常检测阈值σ，历史数据异常检测模型，历史数据漂移分段列表；初始在线观测数据漂移点Dstart为0，算法参数为γ，Lmin；其中，参数γ为在线模型微调时的学习率，参数Lmin为在线模型微调时需要的训练数据最低数据量； 2.2在线数据漂移点的检测：创建在线数据缓冲窗口W，接收在线数据块{ht1,ht2,…,htk}，按时间顺序加入到窗口W的尾部，采用历史数据异常检测模型进行异常计算，并生成与窗口W等宽的在线异常标识序列Uw，采用DDM方法中的公式1，进行异常漂移点检测；如若在窗口W的Dend位置检测到数据漂移，则进入下一步2.3； 2.3在线观测数据异常检测模型学习：以历史数据异常检测模型作为基本模型进行微调，以获取当前在线异常检测模型； 2.4在线观测数据异常的在线检测：运用在线异常检测模型和阈值σ，对数据序列HD进行异常检测，报告异常检测结果，并将数据序列HD从窗口W中移出，将Dstart置为Dend，重复步骤2.2-2.4持续进行数据异常的在线检测； 模型微调具体过程如下： a按照2.2中的索引区间Dstart,Dend从窗口W中取出数据序列HD，加入到模型微调训练数据集合TD{HD}中，设置Dstart为Dend；如果数据序列HD的长度小于参数Lmin，则计算的HD特征向量VD，利用特征向量VD按照特征几何距离最小的方法从历史数据漂移分段列表中匹配分段，并将其加入到数据集合中，构成数据集合TD{HD,Hsk}； b将数据集合TD中的数据划分为训练集和测试集，置学习率为参数γ，对历史数据异常检测模型进行训练微调，获取在线异常检测模型。

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中国科学院地理科学与资源研究所，其通讯地址为：100020 北京市朝阳区大屯路甲11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。