在工業(yè)物聯(lián)網(wǎng)、公共安全與海洋監(jiān)測等領(lǐng)域，如何從連續(xù)變化的時(shí)序信號中精準(zhǔn)、快速地識別突發(fā)事件，是一項(xiàng)關(guān)鍵挑戰(zhàn)。傳統(tǒng)方法往往依賴“正常/異?！钡亩袛?，難以捕捉事件從萌芽到爆發(fā)的漸進(jìn)演化過程，容易導(dǎo)致預(yù)警延遲或誤報(bào)。近日，我所海氣中心技術(shù)研發(fā)人員提出了一種名為 MS-FuLW（基于弱監(jiān)督的多尺度模糊學(xué)習(xí)）的新型突發(fā)事件檢測方法，為這一難題提供了創(chuàng)新解決方案。

從“非黑即白”到“模糊漸變”：重構(gòu)事件識別邏輯

研究的核心突破在于，不再將事件簡單地劃分為“發(fā)生”或“未發(fā)生”，而是引入模糊集合理論，將傳統(tǒng)的二元標(biāo)簽轉(zhuǎn)化為連續(xù)的“模糊標(biāo)簽”。這一設(shè)計(jì)能夠量化事件從無到有、從弱到強(qiáng)的演化過程，使模型能夠識別出處于“臨界狀態(tài)”的早期信號，為及時(shí)干預(yù)爭取寶貴時(shí)間。

在此基礎(chǔ)上，研究團(tuán)隊(duì)進(jìn)一步構(gòu)建了多尺度卷積網(wǎng)絡(luò)（MSC），并行提取時(shí)序數(shù)據(jù)中的局部突變特征與全局演化趨勢，增強(qiáng)模型對復(fù)雜動(dòng)態(tài)模式的捕捉能力。同時(shí)，配套設(shè)計(jì)的模糊損失函數(shù)有效解決了傳統(tǒng)損失函數(shù)在處理模糊標(biāo)簽時(shí)梯度不穩(wěn)定、收斂困難的問題。

弱監(jiān)督學(xué)習(xí)：降低對精準(zhǔn)標(biāo)注的依賴

為應(yīng)對實(shí)際應(yīng)用中高質(zhì)量標(biāo)注數(shù)據(jù)獲取困難的問題，MS-FuLW引入弱監(jiān)督學(xué)習(xí)機(jī)制，通過非支配排序遺傳算法（NSGA-II）動(dòng)態(tài)優(yōu)化模糊標(biāo)簽的生成參數(shù)。這一機(jī)制不僅提升了模型性能，也顯著降低了對精確標(biāo)注的依賴，增強(qiáng)了方法在不同場景下的通用性。

實(shí)驗(yàn)驗(yàn)證：具有多方面顯著性能優(yōu)勢

研究團(tuán)隊(duì)在模擬信號與真實(shí)海洋觀測數(shù)據(jù)上對MS-FuLW進(jìn)行了系統(tǒng)評估。結(jié)果顯示：在實(shí)時(shí)性方面，MS-FuLW相比現(xiàn)有主流方法（如LSTM、Transformer等）檢測延遲縮短5%至25%；在準(zhǔn)確率方面，F(xiàn)1-score在多種復(fù)雜環(huán)境下均穩(wěn)定領(lǐng)先，尤其在真實(shí)海洋內(nèi)波事件檢測中，MS-FuLW在精度和召回率之間實(shí)現(xiàn)了更優(yōu)平衡；在魯棒性方面，面對不同頻率、振幅的事件波形，該方法均表現(xiàn)出穩(wěn)定的檢測能力，泛化性能顯著優(yōu)于對比模型。

MS-FuLW不僅適用于工業(yè)設(shè)備退化監(jiān)測、森林火情早期識別、海洋災(zāi)害預(yù)警等典型場景，其“模糊建模+多尺度感知+弱監(jiān)督優(yōu)化”的框架也為其他連續(xù)信號中的事件檢測任務(wù)提供了新的技術(shù)路徑。雖然當(dāng)前方法主要面向一維時(shí)序數(shù)據(jù)，但其核心思想有望在未來拓展至視頻等時(shí)空數(shù)據(jù)處理領(lǐng)域。

相關(guān)研究成果以“MS-FuLW:用于突發(fā)事件檢測的弱監(jiān)督多尺度模糊學(xué)習(xí)框架”為題，發(fā)表于領(lǐng)域權(quán)威期刊《IEEE Transactions on Fuzzy Systems》1區(qū)TOP期刊，通訊作者為我所海氣中心正高級工程師寧春林，第一作者為我所博士研究生袁國正。

論文鏈接：

https://doi.org/10.1109/TFUZZ.2026.3652883

圖1、事件的確定性標(biāo)簽建模與模糊標(biāo)簽建模的比較。(a)確定性標(biāo)簽建模，(b)模糊標(biāo)簽建模

圖2、不同基函數(shù)和波型下的模擬結(jié)果

圖3、基于實(shí)測數(shù)據(jù)的MS-FuLW實(shí)時(shí)性能對比圖