一种基于改进Seq2Seq框架的水质时间序列预测方法技术

本发明专利技术实施例公开了一种基于改进Seq2Seq框架的水质时间序列预测方法，通过采用改进的seq2seq架构，构造的模型对时间序列数据有着不错的预测性能，且可以自由地设定已知时间步与预测时间步，使用编码和解码的过程使得预测长度的灵活可变。采用本发明专利技术，解决水质预测问题中的利用协变量来预测单变量的关键问题，将GRU模型作为编码器和解码器，并集成FM模型，从而解决数据的高度稀疏与高维特征交互问题，解决了现有技术中水质预测模型没有解决的技术难题。

【技术实现步骤摘要】
一种基于改进Seq2Seq框架的水质时间序列预测方法
本专利技术涉及一种水质检测方法，尤其涉及一种基于改进Seq2Seq框架的水质时间序列预测方法。
技术介绍
近年来随着工业水平的不断上升，工厂的数量也随着不断上涨，部分工厂对废弃材料与废水的不当处理是导致各地区水域污染的最大原因，区域水质一旦受到污染，周边的动植物的生存环境也将受到严重威胁，最终将危及到整个水域的生态。因此，对于水环境的治理工作变得越发重要，而在水质环境的治理中，水质数据的预测扮演着举足轻重的角色，若能在污染发生之前对其进行定向的处理，将使得水质的治理做到有的放矢，事半功倍。然而，水质数据的预测面临的挑战非常多，如：(1)水质数据中包含的指标非常多。根据国家环保部门的规定，仅基本污染物就包含24个指标，加上各种化学元素与有机化合物等，合计109种不同指标。指标的数量越多，对预测模型的并行运算的要求就越高。(2)水质数据的采样频率不固定。由于不同的监测指标具有不同的化学属性，因此监测站对不同的监测指标采样的频率不同，其中包含每小时监测、每日监测、每月监测等。采样频率的多样化将给数本文档来自技高网...

【技术保护点】
1.一种基于改进Seq2Seq框架的水质时间序列预测方法，其特征在于，包括以下步骤：/nS1：对协变量x

【技术特征摘要】
1.一种基于改进Seq2Seq框架的水质时间序列预测方法，其特征在于，包括以下步骤：
S1：对协变量x0到及目标真实值l做线性升维变换，使其维度与超参数隐藏层宽度相同，并将线性升维变换后的协变量x1输入进FM模型以获取x1的多维特征信息f1；
S2：将所述多维特征信息f1、线性升维变换后的协变量x1、线性变换后的上个时间步的目标真实值l1及GRU的上个时间步的输出连接起来后输入GRU模型，重复至编码步骤结束
S3：对时间步的协变量到xT做线性升维变换，并将此阶段对协变量做线性升维变换后的结果x2输入到所述FM模型中，以获得多维特征信息f2，将所述x2、编码阶段的输出对解码阶段的输出计算出两份匹配情况的评估分数并分别加权求和获得两份注意力向量；
S4：将所述两份注意力向量与线性变换处理后的协变量x2，多维特征信息f2及隐藏层向量连接起来一起输入GRU解码器获得预测值到
S5：将所述预测值到与实际的目标值进行误差分析与参数调整...

【专利技术属性】
技术研发人员：许建龙，王琨，徐卓，林澈，
申请(专利权)人：汕头大学，
类型：发明
国别省市：广东;44