一种基于长短期记忆神经网络的供水水质预测方法技术

本发明专利技术公开了一种基于长短期记忆神经网络的供水水质预测方法，通过Savitzky‑Golay滤波器对水质数据进行平滑处理，利用长短期记忆网络结构(LSTM)优化RNN网络的结构以及连接权重和隐藏层的阈值，提出了一种基于改进的RNN网络结构的LSTM‑RNN网络水质参数预测模型，通过现有水质数据进行供水水质预测，相比较于传统预测模型有着更好的逼近精度和泛化能力，提升了水质综合预测性能，对提高智能化供水体系整体水平与质量有着重要的意义。

Water quality prediction method based on long and short term memory neural network

【技术实现步骤摘要】
一种基于长短期记忆神经网络的供水水质预测方法
本专利技术涉及供水水质预测领域，尤其涉及一种供水水质的预测方法。
技术介绍
水质的预测对保证供水质量与用水安全以及水环境管理和水资源保护具有重要意义。传统的水质预测方法相对简单，通常使用线性模型来预测水质。但是，这种模型限制了预测的准确性，并且缺乏对水质非线性特征的分析。另外，由于复杂的水环境，水质时间序列具有较大的噪声，这使得传统模型难以有效地预测复杂环境条件下的水质指标。
技术实现思路
为了解决现有技术中存在的问题，本专利技术提出了基于长短期记忆神经网络水质时间序列预测方法。本专利技术技术上述问题的技术方案如下：一种基于长短期记忆神经网络的供水水质预测方法，包括如下步骤：(1)首先以时间序列为基准，通过Savitzky-Golay滤波器对水质数据进行平滑处理；(2)利用长短期记忆网络结构(LSTM)优化RNN网络的结构以及连接权重和隐藏层的阈值；(3)通过设置网络隐藏层的存储单元数，网络模型的结构层数以及调整时间窗，提出了一种基于改进的RNN网本文档来自技高网...

【技术保护点】
1.一种基于长短期记忆神经网络的供水水质预测方法，其特征是包括如下步骤：/n(1)首先以时间序列为基准，通过Savitzky-Golay滤波器对水质数据进行平滑处理；/n(2)利用长短期记忆网络结构LSTM优化RNN网络的结构以及连接权重和隐藏层的阈值；/n(3)通过设置网络隐藏层的存储单元数，网络模型的结构层数以及调整时间窗，提出了一种基于改进的RNN网络结构的LSTM-RNN网络水质参数预测模型；/n(4)针对处理好的水质数据，利用提出的LSTM-RNN模型进行供水水质预测。/n

【技术特征摘要】
20200214 CN 20201009380081.一种基于长短期记忆神经网络的供水水质预测方法，其特征是包括如下步骤：
(1)首先以时间序列为基准，通过Savitzky-Golay滤波器对水质数据进行平滑处理；
(2)利用长短期记忆网络结构LSTM优化RNN网络的结构以及连接权重和隐藏层的阈值；
(3)通过设置网络隐藏层的存储单元数，网络模型的结构层数以及调整时间窗，提出了一种基于改进的RNN网络结构的LSTM-RNN网络水质参数预测模型；
(4)针对处理好的水质数据，利用提出的LSTM-RNN模型进行供水水质预测。


2.根据权利要求1所述的基于长短期记忆神经网络的供水水质预测方法，其特征在于所述步骤(3)基于改进的RNN网络结构的LSTM-RNN网络水质参数预测模型具体操作为：
(1)数据选取和预处理方法：选取的水质监测数据包括总磷，总氮，溶解氧，氨氮和高锰酸钾指数，将高锰酸钾指数作为反映河流水质参数评价的综合指标，以一段时间内取水地的高锰酸钾指数的每日COD监测数据为测量数据集，作为比较模型和LSTM-RNN模型的训练数据集；
为了防止由不同自变量幅度的巨大差异引起的奇异解，对测量数据进行归一化，并将输入变...

【专利技术属性】
技术研发人员：王永利，陈振华，孙卫国，王远，谷东先，杨苗，李璇，孙琦月，邹孝旺，
申请(专利权)人：迈拓仪表股份有限公司，南京理工大学，
类型：发明
国别省市：江苏;32