[發(fā)明專利]一種基于混合模型組合算法的多特征水質預測方法

在審

• 申請?zhí)枺?/td>: 201910681939.1
• 申請日: 2019-07-26
• 公開（公告）號: CN110619418A
• 公開（公告）日: 2019-12-27
• 發(fā)明（設計）人: 熊慶宇;徐瑞;吳超;易華玲;王凱歌;王楷
• 申請（專利權）人: 重慶大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/50;G06N3/04
• 代理公司: 50214 重慶中流知識產權代理事務所(普通合伙)
• 代理人: 胡長生

1.一種基于混合模型組合算法的多特征水質預測方法，其特征在于，包括：

S1、建立水質預測數據集；

S2、對數據集進行預處理，包括去噪、缺失值填充和數據歸一化操作；

S3、基于SARIMA和LSTM組合多特征預測方法構建水質預測模型；

S4、使用上述水質預測模型預測未來一段時間內水質變化趨勢。

2.如權利要求1所述的一種基于混合模型組合算法的多特征水質預測方法，其特征在于，S1包括：

S01、收集n年內目標區(qū)域水質數據和區(qū)域天氣數據；

S02、確定訓練集中的有效特征；在水質預測模型中，水質數據集有效特征包括氫離子濃度指數、氧溶解量、高錳酸鹽指數和氨氮含量指標，天氣數據集有效特征包括大氣溫度、海平面大氣壓、風速、降雨量指標；

S03、將n年內水質數據中的某項指標作為目標預測數據列，標記為數據序列Y；將其他水質、天氣數據按時間一一對應整合為數據集X。

3.如權利要求1所述的一種基于混合模型組合算法的多特征水質預測方法，其特征在于，S3包括：

a)令時間序列表示為T＝{t₁,…,t_n}，水質、天氣相關影響特征表示為F＝{f₁,…,f_m}，則數據集X表示為

數據集Y表示為

b)首先利用SARIMA算法對步驟a中數據集Y做l步預測，得到初始預測序列同時，獲得序列訓練殘差r＝{r₁,…,r_n}，此部分即為模型線性預測部分。

c)然后針對加入殘差序列的新訓練數據集用LSTM算法對r做l步預測得到殘差預測序列LSTM算法中將構造一個含有兩個隱含層的LSTM網絡，并在第一層中應用dropout技術，第二層為一個全連接層。

對步驟b和步驟c中得到的預測值相加，得到最終的水質特征預測值此部分即為模型數據融合部分。

4.如權利要求1或3所述的一種基于混合模型組合算法的多特征水質預測方法，其特征在于，S4包括：

根據目標預測特征值與水質類別之間的關系，由特征值變化情況判斷水質變化趨勢。