-
公开(公告)号：CN117194954A
公开(公告)日：2023-12-08
申请号：CN202311263956.6
申请日：2023-09-27
Applicant: 桂林电子科技大学
IPC: G06F18/213 , G06Q50/06 , G06N3/0442
Abstract: 本发明涉及数据处理技术领域，其具体公开了一种基于时频特征提取的混合深度学习水质预测方法，包括以下步骤：步骤S1、对水质污染物、水文和气象小时数据进行采集；步骤S2、使用时离散平稳小波变换将数据分解为具有统一长度不同频域的子信号序列，同时将季节、日期这些时间特征融入序列，形成时序深度学习模型输入数据集；步骤S3、构建Informer Encoder做序列特征增强编码；步骤S4、通过逐级递减堆叠双向LSTM加强减半级联序列的局部特征相关性；步骤S5、将RMSE、MAE和MAPE作为评估参数；步骤S6、将深度学习模型学习到的相关性矩阵进行分析。本发明的一种基于时频特征提取的混合深度学习水质预测方法，能够降低成本，提高预测精度。
Search Results
1
records
(took 0.024 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
