事件触发深度模糊网络

训练效率提升近六成

只在异常事件触发时更新网络，显著减少无效训练，提升水质时序预测的精度与效率。

王功明 · Hong, Chen · 韩红桂 · 毕敬 · 乔俊飞 · Babaee Tirkolaee, Erfan

IEEE Transactions on Fuzzy Systems 2024

参数信息

训练效率提升（总磷）

57.94 %

训练效率提升（生化需氧量）

48.31 %

技术优势

训练效率大幅提升

仅在异常事件触发时更新网络，跳过正常样本，总磷和生化需氧量预测的训练效率分别提升57.94%和48.31%。

精度优于同类模型

通过事件触发机制忽略无关样本，模型专注于异常工况的特征学习，在实测数据上取得优于现有方法的预测精度。

应用场景

• 环境监测：实时部署于水质监测平台，用更少计算资源实现高精度预测和异常检测。
• 水质预测：用事件触发机制跳过正常样本，仅对异常工况更新模型，提升预测精度和训练效率。