公开(公告)号：CN117874618A

公开(公告)日：2024-04-12

申请号：CN202410049205.2

申请日：2024-01-12

Applicant: 北京工业大学

Inventor： 毕敬 ,  林永泽 ,  袁溟 ,  乔俊飞

IPC: G06F18/241 ,  G06F18/15 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明涉及一种面向水质时空依赖性预测的方法，特别是一种基于注意力机制和图卷积神经网络的水质指标预测方法。首先，将获取到的水质历史数据依照时间序列进行排序，并对其进行归一化处理。其次，采用时间注意力机制来为水质数据在所有时间步骤上的相关输入分配权重，使用嵌入时间和空间特征的矩阵对得到时间注意力机制处理后的数据进一步处理。然后使用可学习的权重矩阵和节点间的邻接关系来创建邻接矩阵，将处理后的数据和邻接矩阵输入到图卷积神经网络中进行训练，预测未来多个时间点的水质指标值，最终获取精准度较高的水质指标预测结果。

公开(公告)号：CN119249079A

公开(公告)日：2025-01-03

申请号：CN202411282952.7

申请日：2024-09-13

Applicant: 北京工业大学

Inventor： 毕敬 ,  袁溟 ,  王梓奇 ,  林永泽

IPC: G06F18/15 ,  G06F18/10 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提出一种结合Patch Savitsky‑Golay滤波和Transformer的水质指标预测模型。首先，利用滑动窗口技术将水质时间序列划分为多个子序列，以捕捉序列内在趋势和语义信息。基于此，通过Savitsky‑Golay滤波器对子序列进行去噪，进而提高信号‑噪声比，以确保水质序列数据的质量。最后，引入Transformer模块，利用其自注意力机制处理时间序列的非线性特性，从而增强模型对序列长期依赖关系的捕捉能力。以上策略有效提升水质指标预测的精度和可靠性。