【技术实现步骤摘要】
一种基于LSTM算法模型的水质指标预测方法
[0001]本专利技术涉及污水处理
，尤其是涉及一种基于LSTM算法模型的水质指标预测方法。
技术介绍
[0002]随着计算机、AI算法、大数据技术的不断发展，人工智能算法在水务、环保领域有了越来越多的应用场景。厂
‑
网
‑
河一体化运营需要大量数据支撑，连续在线监测设备可以完整呈现现状及历史数据，但无法判断未来变化趋势。水质预测是利用实际历史数据资料，运用水质数学模型计算推断出水环境水体某监测点的水质在未来的变化趋势，在区域水环境规划管理中，水质的预测是预防水污染的有效措施，在水环境保护工作中占了很重要的位置。
[0003]LSTM算法模型是循环神经网络的一种变体，可以很有效的解决简单循环神经网络的梯度爆炸或消失问题。LSTM算法模型能够改善RNN中存在的长期依赖问题；LSTM的表现通常比时间递归神经网络及隐马尔科夫模型更好，作为非线性模型，LSTM可作为复杂的非线性单元用于构造更大型深度神经网络。本专利技术旨在提供一种基于LSTM...
【技术保护点】
【技术特征摘要】
1.一种基于LSTM算法模型的水质指标预测方法，其特征在于，包括如下步骤：S1：获取待检测点的历史水质指标数据，并对数据进行预处理；S2：基于预处理后的数据构建LSTM算法模型；S3：通过所建立的LSTM算法模型对水质指标进行预测。2.根据权利要求1所述的基于LSTM算法模型的水质指标预测方法，其特征在于，所述的获取待检测点的历史水质指标数据，并对数据进行预处理的步骤包括：S11：首先对数据进行现状分析，对数据缺失值、数据总量时间间隔进行基本描述；S12：异常值处理：首先属性值进行描述性的统计，以查看不合理的数据以及数据是否服从正态分布，当样本距离平均值大于3个标准差，则认定该样本为异常值，将该异常值从数据集中进行删除；S13：时间间隔处理：将每条数据根据检测时间进行排序，计算出每条数据与上一条数据的时间间隔，并进行记录，统计数据中所有时间间隔对应数据量并展示给用户，用户选择需要的时间间隔后，将数据处理成只含有用户选择的时间间隔对应的数据，并删除数据中其他时间间隔对应的数据，保证每条数据的时间间隔保持一致，保持数据的连续性；S14：缺失值处理：索引到数据集中含有缺失值的数据，将索引到的缺失值按照其上一个时间点的数据进行填充。3.根据权利要求1所述的基于LSTM算法模型的水质指标预测方法，其特征在于，所述的基于预处理后的数据构建LSTM算法模型的步骤包括：对模型进行设计：根据水质预测时的使用环境，选择LSTM模型进行计算，将不同数据集的水质指标，按照输入时间序列对应的水温、pH、高锰酸盐指数、溶解氧、浑浊度、电导率、氨氮、总磷和总...
【专利技术属性】
技术研发人员：刘小梅，孙艳，赵洁，成志轩，
申请(专利权)人：北京北控悦慧环境科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。