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基于信号降噪与混合专家模型的叶绿素a浓度预测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：CN121565294B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202610074338.4，技术领域涉及：G16C20/20；该发明授权基于信号降噪与混合专家模型的叶绿素a浓度预测方法是由陈能汪;余镒琦;梁中耀;李少斌设计研发完成，并于2026-01-20向国家知识产权局提交的专利申请。

本基于信号降噪与混合专家模型的叶绿素a浓度预测方法在说明书摘要公布了：本发明公开了基于信号降噪与混合专家模型的叶绿素a浓度预测方法，包括以下步骤：S1、整合目标水体历史的气象数据、水质数据和叶绿素a数据集，进行缺失值插补；S2、对插补后的多源历史时序数据进行信号降噪处理，滤除随机噪声和短期波动，提取能够反映叶绿素a浓度内在变化规律的长期趋势及周期性分量，得到降噪后的时序数据；S3、构建多个基于时序分块的编码器模型作为专家模型，用于从降噪后的时序数据中协同提取不同层次的时序依赖特征，并基于所提取的时序依赖特征进行时间序列预测；S4、训练混合专家模型，通过门控网络层动态地集成一个或多个专家模型的时间序列预测结果，得到叶绿素a浓度的最终预测值。

本发明授权基于信号降噪与混合专家模型的叶绿素a浓度预测方法在权利要求书中公布了：1.基于信号降噪与混合专家模型的叶绿素a浓度预测方法，其特征在于，包括以下步骤： S1、整合目标水体历史的气象数据、水质数据和叶绿素a数据集，进行缺失值插补； S2、对插补后的多源历史时序数据进行信号降噪处理，滤除随机噪声和短期波动，提取能够反映叶绿素a浓度内在变化规律的长期趋势及周期性分量，得到降噪后的时序数据； 步骤S2中，所述信号降噪处理为小波变换降噪，具体过程包括： S21、选择小波基函数与分解层数，对插补后的多源历史时序数据的每个变量进行小波分解，获得高频细节系数和低频近似系数； S22、利用软阈值函数过滤高频细节系数中的噪声，将绝对值小于或等于Sqtwolog阈值的小波系数视为噪声并置零，同时减小绝对值大于Sqtwolog阈值的系数的幅值，软阈值函数的计算公式为：，其中，为软阈值函数的输出；为待处理的高频细节系数；为符号函数，当0时取值为1，0时取值为-1，=0时取值为0；为取最大值函数；为Sqtwolog阈值，计算公式为：，其中，为高频细节系数的标准差；为信号长度； S23、将经过阈值处理后的高频细节系数与未经处理的低频近似系数作为输入进行小波逆变换，重构出每个变量的完整时序数据；再将所有变量重构出的完整时序数据重新整合，得到与多源历史时序数据结构一致的降噪后时序数据集； S3、构建多个基于时序分块的编码器模型作为专家模型，用于从降噪后的时序数据中协同提取不同层次的时序依赖特征，并基于所提取的时序依赖特征进行时间序列预测； S4、训练混合专家模型，通过门控网络层动态地集成一个或多个专家模型的时间序列预测结果，得到叶绿素a浓度的最终预测值。

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。