申请/专利权人：闫子琪

申请日：2024-01-08

公开（公告）日：2024-04-09

公开（公告）号：CN117851948A

主分类号：G06F18/2433

分类号：G06F18/2433;G06F18/214;G06N3/0455;G01N21/63;G01N33/18

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明公开了一种基于LIBS和Transformer异常检测模型的水质预警方法，将LIBS光谱序列数据和Transformer异常检测模型结合起来实现水质预警。考虑到水质异常情况多种多样、异常水质光谱序列数据难获取、巨量训练数据标签人工标注可能存在错误的问题，所以引入Transformer异常检测模型，只训练正常的水质样本光谱序列数据，模型训练完成后自动获取生成与正常水质样本光谱序列数据相同分布的能力，测试时输入异常水质样本的光谱序列后，输出与输入差异较大，判定该水质异常。本发明能够利用LIBS光谱序列数据的分布情况，用异常检测领域的Transformer模型解决水质预警问题。

主权项：1.基于LIBS和Transformer异常检测模型的水质预警方法，其特征在于，包括如下步骤：步骤1：将水质样本滴在锌基板上，在70℃的加热台上使用加热蒸干的方式进行固液转换。设置激光能量100mJ,步距0.5mm,采集门宽9us,采集延时2us，采用如下方式获取LIBS光谱序列的初始数据；取制备好的样品，在样品上确定N×N个采样点，每个采样点处进行激光打点1次，每个采样点处产生1组2×M的初始数据矩阵，M为LIBS光谱序列数据波长数据点的总数，初始数据矩阵的第一行为波长，第二行为波长对应的强度值；一个样品共得到N×N个组初始数据矩阵；步骤2：取步骤1得到的所有初始数据矩阵中的待测元素波段区间的元素强度数值，并进行归一化处理，映射到-1～1数值范围之内，获得所有提取到的强度值的归一化强度数据；步骤3：每组初始数据矩阵中的强度值归一化之后，形成一个光谱序列数据，该光谱序列数据用于Transformer模型的输入。步骤4：将获取的所有正常水质样本的光谱数据作为训练集输入Transformer模型进行模型训练。Transformer是一个seq2seq的编解码结构，由编码层和解码层两部分组成；光谱序列数据经过编码层编码生成中间隐藏层向量，然后隐藏层向量解码成源光谱序列数据的特征大小，再把生成的序列数据和原始输入的光谱序列数据经过欧式距离MSE损失函数计算误差；通过梯度下降法迭代误差进行优化更新。模型训练完成后，获得自动生成训练数据相同分布的能力。步骤五：损失阈值的设定：在测试集中所有正常样本和异常样本的最小MSE损失和最大MSE损失区间内，等间距地取一千个值，把这每个值都当作阈值计算准确率，最后对应准确率最高的那个值设为阈值。在测试阶段，计算生成数据和输入数据之间的MSE损失，损失超过阈值时，可认为该数据和原训练数据正常水质样本的光谱序列数据差距过大，判定为异常水质样本，即可完成对异常水质的预警。

全文数据：

权利要求：

百度查询： 闫子琪 一种基于LIBS和Transformer异常检测模型的水质预警方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD