基于机器学习技术的实验室检测数据的处理方法及系统

本发明公开了基于机器学习技术的实验室检测数据的处理方法及系统，涉及数据处理技术领域；本发明通过离散小波变换分解信号，基于最高频系数中值计算噪声标准差，通过动态阈值和软阈值函数重构高信噪比数据，提升信号质量；利用滑动窗口提取时序信号统计量与FFT频域特征，结合SIFT算法提取空间特征，经互信息筛选保留高相关特征，降低冗余度；构建图卷积网络异常检测模型和XGBoost‑LightGBM加权回归模型，通过异常概率阈值剔除污染数据，得到正常回归预测值；采用LSTM网络根据环境参数预测补偿量，根据正常回归预测值结合预测补偿量，得到校准实验室数据；本发明解决了多源数据噪声敏感、特征割裂、模型孤立及环境漂移难题，显著提升实验室分析精度与鲁棒性。