-
公开(公告)号：CN110428082B
公开(公告)日：2022-07-22
申请号：CN201910466102.5
申请日：2019-05-31
Applicant: 南京邮电大学
Abstract: 基于注意力神经网络的水质预测方法，包括如下步骤：步骤1：采集某一水质指标的数据；步骤2：将该水质指标的数据进行z‑score标准化处理；步骤3：使用处理好的该水质指标的数据构造训练集Training；步骤4：构造基于注意力神经网络的水质预测模型；步骤5：使用构造的训练集Training训练构造的基于注意力神经网络的水质预测模型；步骤6：使用训练好的基于注意力神经网络的水质预测模型预测未来时刻的该水质指标的数据。本发明提出的水质预测方法，在双向LSTM神经网络中引入注意力机制，考虑每个时刻水质指标的数据对预测结果的重要程度不同，赋予每个时刻水质指标不同的权重，从而降低了水质预测时产生的相对误差，提高了预测精确度。
-
公开(公告)号：CN108846512A
公开(公告)日：2018-11-20
申请号：CN201810570556.2
申请日：2018-06-05
Applicant: 南京邮电大学
Abstract: 本申请基于择优分类的水质预测方法，对历史的水质指标数据进行归一化处理后，构造训练集，使用训练集分别对Adaboost水质预测模型、RVM水质预测模型、BP神经网络水质预测模型进行训练。然后使用一部分的数据集分别使用三种模型进行预测，结合每个数据使用不同模型得到的实际值与预测值的对比，训练基于SVM的择优分类器。对于新的数据，通过择优分类器可以选出最佳模型，使用最佳模型得到效果最好的预测值。此方法可以极大的提高预测的准确率。
-
-
公开(公告)号：CN110428082A
公开(公告)日：2019-11-08
申请号：CN201910466102.5
申请日：2019-05-31
Applicant: 南京邮电大学
Abstract: 基于注意力神经网络的水质预测方法，包括如下步骤：步骤1：采集某一水质指标的数据；步骤2：将该水质指标的数据进行z-score标准化处理；步骤3：使用处理好的该水质指标的数据构造训练集Training；步骤4：构造基于注意力神经网络的水质预测模型；步骤5：使用构造的训练集Training训练构造的基于注意力神经网络的水质预测模型；步骤6：使用训练好的基于注意力神经网络的水质预测模型预测未来时刻的该水质指标的数据。本发明提出的水质预测方法，在双向LSTM神经网络中引入注意力机制，考虑每个时刻水质指标的数据对预测结果的重要程度不同，赋予每个时刻水质指标不同的权重，从而降低了水质预测时产生的相对误差，提高了预测精确度。
-
-
-
Search Results
4
records
(took 0.017 seconds)
