公开(公告)号：CN114881303B

公开(公告)日：2024-06-04

申请号：CN202210427515.4

申请日：2022-04-21

Applicant: 海南大学

Inventor： 胡祝华 ,  陈梓杰 ,  赵瑶池

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/045 ,  G06N3/044 ,  G06N3/08

Abstract: 本发明提供了一种基于双注意力机制的水质长期预测方法：步骤1、采集数据并对数据进行预处理；步骤2、将步骤1中处理的数据输入由特征注意力机制、Bi‑SRU(双向简单循环单元)网络和时间序列注意力机制组成的DA‑Bi‑SRU(基于双重注意力机制的双向简单循环单元)神经网络模型中；步骤3、得到模型输出的预测数据实现水质预测。本发明方法在水质变化趋势预测中相较于现有方法具有更高的预测精度，能准确给出关键水质异常变化警戒的参考信息，具有更准确和更稳定的关键水质预测效果。

公开(公告)号：CN114881303A

公开(公告)日：2022-08-09

申请号：CN202210427515.4

申请日：2022-04-21

Applicant: 海南大学

Inventor： 胡祝华 ,  陈梓杰 ,  赵瑶池

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于双注意力机制的水质长期预测方法：步骤1、采集数据并对数据进行预处理；步骤2、将步骤1中处理的数据输入由特征注意力机制、Bi‑SRU(双向简单循环单元)网络和时间序列注意力机制组成的DA‑Bi‑SRU(基于双重注意力机制的双向简单循环单元)神经网络模型中；步骤3、得到模型输出的预测数据实现水质预测。本发明方法在水质变化趋势预测中相较于现有方法具有更高的预测精度，能准确给出关键水质异常变化警戒的参考信息，具有更准确和更稳定的关键水质预测效果。