一种基于EMD与LSTM的溶解氧含量预测方法技术

本发明专利技术属于水文与人工智能技术领域，公开了一种基于EMD与LSTM的溶解氧含量预测方法，包括获取水质数据并进行数据清洗，采用KNN算法对水质数据中的缺失数据进行补全，采用EMD算法对水质数据中的原始溶解氧监测数据时间序列进行分解，获得包括残差和有限个本征模函数在内的多个分量，对多个子LSTM网络进行训练以及验证，利用验证通过的多个子LSTM网络，获得多个分量对应的下一个单位时间的溶解氧预测数值，将所有分量对应的预测数值进行累加，获得下一个单位时间的溶解氧预测结果。本发明专利技术解决了现有技术中对溶解氧含量预测的精度较低的问题，能够有效提高预测精度。

【技术实现步骤摘要】
一种基于EMD与LSTM的溶解氧含量预测方法
本专利技术涉及水文与人工智能
，尤其涉及一种基于EMD与LSTM的溶解氧含量预测方法。
技术介绍
水体溶解氧含量是评估水体质量的重要因素。溶解氧含量预测是根据溶解氧历史监测时间序列数据，运用时间序列预测模型对未来的溶解氧含量进行预测。溶解氧含量与水质紧密相关。溶解氧预测是水质评估的基础，对生产生活用水的有效利用和污染防治有重要的工程和科学意义，在水质预警预报、输供水系统中有着关键作用。水质测站采集的溶解氧数据是一种时间序列数据，具有时序特征。目前对溶解氧含量的预测主要采用时间序列分析、回归分析、灰色模型等理论，时间序列分析本质是对历史数据的挖掘和分析，回归分析侧重于考查某几个变量之间的定量关系，灰色模型主要用于短期预测。但因溶解氧序列具有时序性、不稳定性和强非线性等特点，并且相关因素众多，故而难以采用传统方法实现精确预测。
技术实现思路
本申请实施例通过提供一种基于EMD与LSTM的溶解氧含量预测方法，解决了现有技术中对溶解氧含量预测的精度较低的问题。本申请本文档来自技高网...

【技术保护点】
1.一种基于EMD与LSTM的溶解氧含量预测方法，其特征在于，包括以下步骤：/n步骤1、获取水质数据，并对所述水质数据进行数据清洗；/n步骤2、采用KNN算法对所述水质数据中的缺失数据进行补全；/n步骤3、采用EMD算法对所述水质数据中的原始溶解氧监测数据时间序列进行分解，获得包括残差和有限个本征模函数在内的多个分量；/n步骤4、对多个子LSTM网络进行训练；/n每个所述子LSTM网络以一个所述分量对应的样本作为输入信息，以下一个单位时间的溶解氧预测数值作为输出信息；/n所述分量对应的样本包括该分量多个连续单位时间对应的溶解氧监测数据、温度监测数据、时间标签；/n步骤5、对训练后的多个子LST...

【技术特征摘要】
1.一种基于EMD与LSTM的溶解氧含量预测方法，其特征在于，包括以下步骤：
步骤1、获取水质数据，并对所述水质数据进行数据清洗；
步骤2、采用KNN算法对所述水质数据中的缺失数据进行补全；
步骤3、采用EMD算法对所述水质数据中的原始溶解氧监测数据时间序列进行分解，获得包括残差和有限个本征模函数在内的多个分量；
步骤4、对多个子LSTM网络进行训练；
每个所述子LSTM网络以一个所述分量对应的样本作为输入信息，以下一个单位时间的溶解氧预测数值作为输出信息；
所述分量对应的样本包括该分量多个连续单位时间对应的溶解氧监测数据、温度监测数据、时间标签；
步骤5、对训练后的多个子LSTM网络进行验证；
针对每个所述子LSTM网络，将下一个单位时间的溶解氧监测数值与所述子LSTM网络输出的下一个单位时间的溶解氧预测数值进行对比，若误差小于设定范围，则通过验证；
步骤6、利用验证通过的多个子LSTM网络，获得多个分量对应的下一个单位时间的溶解氧预测数值，将所有分量对应的预测数值进行累加，获得下一个单位时间的溶解氧预测结果。


2.根据权利要求1所述的基于EMD与LSTM的溶解氧含量预测方法，其特征在于，所述步骤2中，对缺失数据进行补全包括以下子步骤：
步骤2.1、在所述水质数据中选取溶解氧监测数据缺失的数据记录，并编号为1～N，其余溶解氧监测数据完整的数据记录编号为1～M；
同一时刻的各类水质数据组成的一行数据称为数据记录，每一条数据记录有n类水质数据；
步骤2.2、选取一条溶解氧监测数据缺失的数据记录，计算其与其他溶解氧监测数据完整的数据记录之间的欧式距离dij：



式中，i为溶解氧监测数据缺失的数据记录对应的编号，j为溶解氧监测数据完整的数据记录对应的编号，xk为溶解氧监测数据缺失的数据记录中第k类水质数据，yk为溶解氧监测数据完整的数据记录中第k类水质数据，xk和yk均不包括溶解氧监测数据；
步骤2.3、选取一条溶解氧监测数据缺失的数据记录，计算其与其他溶解氧监测数据完整的数据记录之间的权重wij：



步骤2.4、确定一个K值，针对某一条溶解氧监测数据缺失的数据记录，选取K条与该数据记录距离最近的溶解氧监测数据完整的数据记录，并计算获得缺失值T：



式中，tj对应溶解氧监测数据完整的数据记录中的溶解氧监测数据。


3.根据权利要求1所述的基于EMD与LSTM的溶解氧含量预测方法，其特征在于，所述步骤3中，对所述原始溶解氧监测数据时间序列进行分解包括以下子步骤：
步骤3.1、获取原始溶解氧监测数据时间序列x(t)的所有极值点；
步骤3.2、根据所有极小值点形成下包络线xmin(t)，根据所有极大值点形成上包络线xmax(t)；
步骤3.3、计算所述下包络线和所述上包络线的均值m(t)，m(t)＝(xm...

【专利技术属性】
技术研发人员：刘树波，欧阳特，蔡朝晖，涂国庆，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42