来源：期刊VIP网 时间：
作者：李禹锋;
单位：湘潭大学数学与计算科学学院;
摘要：文章主要研究在线变点检测问题，提出了一种融合有监督神经网络与传统CUSUM方法的检测框架。该方法通过神经网络分类模型捕捉数据分布变化的复杂特征，并引入基于轮廓系数与戴维斯-博尔丁指数的DBSCAN聚类策略，以缓解数据不平衡对检测性能的影响。在此基础上，动态调整流数据的累积时长，进一步优化检测过程的实时性与准确性。基于2012—2023年NOAA气象数据的实证分析结果表明，所提模型在检测精度与时间误差控制方面显著优于传统CUSUM方法，最大时间误差降低83%，误检数减少52%；针对高温与降水事件的检测，分别在72小时与36小时的数据窗口下达到最优性能。
关键词：CUSUM变点检测;;有监督神经网络;;在线检测;;气象监测
基金资助：国家社会科学基金重大项目(21&ZD153);; 成都市哲学社会科学研究中心咨政服务能力建设专项重点项目(2024-35);; 重庆市高校网络舆情与思想动态研究咨政中心科研创新项目(23yqzxxs005)
