水质数据预测模型的训练方法、水质数据预测方法及装置制造方法及图纸

本发明专利技术公开了一种水质数据预测模型的训练方法、水质数据预测方法及装置，其中水质数据预测模型的训练方法包括：获取多水质传感器各自的异步数据集；对异步数据集进行扩展，得到扩展数据集；将预处理后的扩展数据集划分为训练数据集和测试数据集；根据训练数据集，对所述水质数据预测模型进行初步训练；将训练数据集中最后一个时间步的数据输入初步训练后的水质预测模型中并将得到的预测结果再次输入所述初步训练后的水质预测模型中循环进行预测，得到预测数据集；计算预测数据集与测试数据集的均方根误差；若均方根误差超出预定范围，则修改初步训练后的水质预测模型的网络参数；重复输入和修改参数的步骤，直至均方根误差在预定范围内。差在预定范围内。差在预定范围内。

【技术实现步骤摘要】
水质数据预测模型的训练方法、水质数据预测方法及装置


[0001]本申请涉及水质数据处理及预测
，尤其涉及水质数据预测模型的 训练方法、水质数据预测方法及装置。

技术介绍

[0002]水质传感器采集的表征数据通常有温度、电导率、盐度、酸碱度、氧化还 原电位、溶解氧、浊度、余氯、叶绿素、蓝绿藻等，实际应用中根据需求选择 其中一种或多种传感器组合，将多种传感器监测数据融合从而得到更准确的水 质评估，进一步可以通过水质数据的分析，实现对水质变化情况进行预测。
[0003]在实现本专利技术的过程中，专利技术人发现现有技术中至少存在如下问题：
[0004]不同类型水质传感器量纲不一致问题，以及水质数据采集环节中由于主客 观因素普遍存在的采样时间不统一情况，造成在同一时间点或时间段对各种水 质传感器数据融合分析困难，极易导致水质评估和预测不准确。

技术实现思路

[0005]本申请实施例的目的是提供水质数据预测模型的训练方法、水质数据预测 方法及装置，以解决相关技术中存在的同一时间点或时间段对各种水质传感器 数据融合分析困本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水质数据预测模型的训练方法，其特征在于，包括：获取多水质传感器各自的异步数据集；对所述异步数据集进行扩展，得到扩展数据集；对所述扩展数据集进行预处理；将预处理后的扩展数据集划分为训练数据集和测试数据集；根据所述训练数据集，对所述水质数据预测模型进行初步训练；将所述训练数据集中最后一个时间步的数据输入初步训练后的水质预测模型中并将得到的预测结果再次输入所述初步训练后的水质预测模型中循环进行预测，得到预测数据集，其中所述预测数据的数据量与所述测试数据集的数据量相同；计算所述预测数据集与所述测试数据集的均方根误差；若所述均方根误差超出预定范围，则修改所述初步训练后的水质预测模型的网络参数；重复将所述训练数据集中最后一个时间步的数据输入初步训练后的水质预测模型中并将得到的预测结果再次输入初步训练后的水质预测模型中进行预测至若所述均方根误差超出预定范围，则修改所述初步训练后的水质预测模型的网络参数的步骤，直至所述均方根误差在所述预定范围内。2.根据权利要求1所述的方法，其特征在于，对所述异步数据集进行扩展，得到扩展数据集，包括：设置时间步；根据所述异步数据集中的异步数据对应的时间和所述时间步，计算所有相邻两个异步数据间需要插入的插值数量和对应的插值增量；根据所述插值数量和对应的插值增量，对所述异步数据集进行扩展，得到扩展数据集。3.根据权利要求1所述的方法，其特征在于，对所述扩展数据集进行预处理，包括：对所述扩展数据集进行标准化处理，得到标准化数据集；对所述标准化数据集进行归一化。4.根据权利要求1所述的方法，其特征在于，根据所述训练数据集，对所述水质数据预测模型进行初步训练，包括：根据所述训练数据集，构造预测量和响应量；将所述预测量和响应量分别输入水质数据预测模型中，对所述水质数据预测模型进行初步训练。5.一种水质数据预测模型的训练装置，其特征在于，包括：第一获取模块，用于获取多水质传感器各自的异步数据集；第一扩展模块，用于对所述异步数据集进行扩展，得到扩展数据集；预处理模块，用于对所述扩展数据集进行预处理；划分模块，将预处理后的扩展数据集划分为训练数据集和测试数据集；初步训练模块，用于根据所述训练数据集，对所述水质数据预测模型进行初步训练；第一预测模块，用于将所述训练数据集中最后一个时间步的数据输入初步训练后的水质预测模型中并将得到的预测结果再次输入所述初步训练后的水质预测模型中循环进行预测，得到预测数据集，其中所述预测数据的数据量与所述测试数据集的数据量相同；
计算模块，用于计算所述预测数据集与所述测试数据集的均方根误差；修改模块，用于若所述...

【专利技术属性】
技术研发人员：严求真，张运涛，王军，杨启尧，郭栋，张美燕，何中杰，汪惜丹，夏慧杰，许锴娜，
申请(专利权)人：浙江水利水电学院，
类型：发明
国别省市：