[發(fā)明專利]一種基于時(shí)間序列模型的水質(zhì)預(yù)測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201911355541.5
• 申請日: 2019-12-25
• 公開（公告）號: CN113033861A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設(shè)計(jì)）人: 潘敏;余松森;陳遠(yuǎn)存;黃文俊;蔡岳城
• 申請（專利權(quán)）人: 廣東奧博信息產(chǎn)業(yè)股份有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F30/20;G06N3/12;G06F111/10
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 蔡偉杰

1.一種基于時(shí)間序列模型的水質(zhì)預(yù)測方法，其特征在于，所述方法包括以下步驟：

步驟1：輸入水質(zhì)時(shí)間序列數(shù)據(jù)；

步驟2：通過遺傳算法將水質(zhì)時(shí)間序列數(shù)據(jù)進(jìn)行切片得到多個(gè)數(shù)據(jù)片段，并選擇最優(yōu)個(gè)體作為最佳長時(shí)間序列長度；

步驟3：通過深度學(xué)習(xí)方法對水質(zhì)時(shí)間序列數(shù)據(jù)進(jìn)行訓(xùn)練建模，將每個(gè)數(shù)據(jù)片段作為一條訓(xùn)練集放入深度學(xué)習(xí)模型中進(jìn)行訓(xùn)練；

步驟4：訓(xùn)練后續(xù)階段加入注意力機(jī)制，將最佳長時(shí)間序列長度作為滑動(dòng)窗口，在滑動(dòng)窗口中進(jìn)行編碼，對所需預(yù)測的任務(wù)賦予不同權(quán)重，引入預(yù)設(shè)參數(shù)并進(jìn)行解碼得到預(yù)測數(shù)據(jù)；

步驟5：輸出預(yù)測數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的一種基于時(shí)間序列模型的水質(zhì)預(yù)測方法，其特征在于，在步驟1中，水質(zhì)時(shí)間序列數(shù)據(jù)主要包括在某個(gè)時(shí)間的溶解氧、化學(xué)需氧量、氨氮、總磷、高錳酸鉀指數(shù)五個(gè)水質(zhì)指標(biāo)。

3.根據(jù)權(quán)利要求1所述的一種基于時(shí)間序列模型的水質(zhì)預(yù)測方法，其特征在于，在步驟2中，通過遺傳算法將水質(zhì)時(shí)間序列中的數(shù)據(jù)進(jìn)行切片的方法包括以下步驟：

步驟2.1：初始化定義時(shí)間序列長度；

步驟2.2：設(shè)定一個(gè)時(shí)間序列長度區(qū)間；

步驟2.3：對于最初定義的時(shí)間序列長度，使用二進(jìn)制將其編碼；

步驟2.4：使用伯努利分布隨機(jī)初始化；

步驟2.5：同時(shí)使用有序分頻，隨機(jī)調(diào)整突變和輪盤選擇三種方法，進(jìn)行種群進(jìn)化；

步驟2.6：通過計(jì)算，得到進(jìn)化后的最優(yōu)長度；

步驟2.7：根據(jù)最優(yōu)長度生成滑動(dòng)窗口，在時(shí)間序列上滑動(dòng)，每個(gè)窗口就是一個(gè)時(shí)間序列片段切片。

4.根據(jù)權(quán)利要求1所述的一種基于時(shí)間序列模型的水質(zhì)預(yù)測方法，其特征在于，在步驟3中，所述深度學(xué)習(xí)方法為：LSTM網(wǎng)絡(luò),LSTM網(wǎng)絡(luò)是一種時(shí)間循環(huán)神經(jīng)網(wǎng)絡(luò)，用于解決RNN網(wǎng)絡(luò)存在的長期依賴問題，所有的RNN都具有一種重復(fù)神經(jīng)網(wǎng)絡(luò)模塊的鏈?zhǔn)叫问健?/p>

5.根據(jù)權(quán)利要求1所述的一種基于時(shí)間序列模型的水質(zhì)預(yù)測方法，其特征在于，在步驟4中，訓(xùn)練后續(xù)階段加入注意力機(jī)制，將最佳長時(shí)間序列長度作為滑動(dòng)窗口，在滑動(dòng)窗口中進(jìn)行編碼，對所需預(yù)測的任務(wù)賦予不同權(quán)重的方法為：

步驟4.1：輸入水質(zhì)時(shí)間序列數(shù)據(jù)；

步驟4.2：空間注意力結(jié)合水質(zhì)數(shù)據(jù)：在編碼器的每個(gè)單元的輸入部分使用空間注意力機(jī)制來建模動(dòng)態(tài)空間關(guān)聯(lián)性，空間注意力機(jī)制可以學(xué)習(xí)到周圍傳感的歷史數(shù)據(jù)對預(yù)測站點(diǎn)的動(dòng)態(tài)影響；

步驟4.3：時(shí)間注意力結(jié)合水質(zhì)數(shù)據(jù)：在編碼器和解碼器之間加入時(shí)間注意力機(jī)制來建模動(dòng)態(tài)時(shí)間相關(guān)性，時(shí)間注意力機(jī)制可以學(xué)習(xí)到歷史時(shí)間點(diǎn)和預(yù)測時(shí)間點(diǎn)之間的動(dòng)態(tài)關(guān)系；

步驟4.4：為解決外部因素對地理傳感器時(shí)間序列的影響，將多源跨域數(shù)據(jù)分別投影到低維向量中，然后經(jīng)過對外部因素進(jìn)行量化，將其數(shù)值化融合為向量輸出；

步驟4.5：生成水質(zhì)新特征并計(jì)算：在解碼階段生成新特征并進(jìn)行水質(zhì)預(yù)測；

步驟4.6：輸出預(yù)測數(shù)據(jù)。

6.一種基于時(shí)間序列模型的水質(zhì)預(yù)測系統(tǒng)，其特征在于，所述系統(tǒng)包括：存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序運(yùn)行在以下系統(tǒng)的單元中：

數(shù)據(jù)輸入單元，用于輸入水質(zhì)時(shí)間序列數(shù)據(jù)；

切片優(yōu)選單元，用于通過遺傳算法將水質(zhì)時(shí)間序列數(shù)據(jù)進(jìn)行切片得到多個(gè)數(shù)據(jù)片段，并選擇最優(yōu)個(gè)體作為最佳長時(shí)間序列長度；

訓(xùn)練建模單元，用于通過深度學(xué)習(xí)方法對水質(zhì)時(shí)間序列數(shù)據(jù)進(jìn)行訓(xùn)練建模，將每個(gè)數(shù)據(jù)片段作為一條訓(xùn)練集放入深度學(xué)習(xí)模型中進(jìn)行訓(xùn)練；

注意力機(jī)制單元，用于訓(xùn)練后續(xù)階段加入注意力機(jī)制，將最佳長時(shí)間序列長度作為滑動(dòng)窗口，在滑動(dòng)窗口中進(jìn)行編碼，對所需預(yù)測的任務(wù)賦予不同權(quán)重，引入預(yù)設(shè)參數(shù)并進(jìn)行解碼得到預(yù)測數(shù)據(jù)；

數(shù)據(jù)輸出單元，用于輸出預(yù)測數(shù)據(jù)。