【技术实现步骤摘要】
一种基于改进元学习的水质预警方法
[0001]本专利技术涉及河流水质预测
，尤其是涉及一种基于改进元学习的水质预警方法。
技术介绍
[0002]水是自然环境的重要组成部分，同时也是人们生产和生活中不可或缺的资源。然而，随着社会和工业的发展，生活污水和工业废水的排放量呈加速增长趋势，导致水环境快速恶化，其中，农村地区的水环境污染问题更为突出。为了保障生态环境的健康，加强村镇水环境治理是当务之急。
[0003]水质预测作为水污染防治的一项基本工作，通过利用现代科技手段对水环境的变化趋势进行准确预测，有效地提高了水环境的治理效率。然而，在村镇地区，由于基础设施缺陷、人员短缺等原因，现有的水质预测方法难以满足村镇水环境的需求，如何利用先进的技术手段开发适用于村镇水环境的水质预测方法成为需要关注的问题。
[0004]近年来，随着数据量的增加，深度学习算法在时间序列预测领域得到广泛应用，为水质预测提供了新的思路。深度学习可以通过神经网络自动挖掘变量之间的关系，不断抽象数据特征，实现河流水质的预测。其中，循环神经网络...
【技术保护点】
【技术特征摘要】
1.一种基于改进元学习的水质预警方法，其特征在于，包括以下步骤：获取村镇河流的待测水质数据；对所述待测水质数据进行预处理及标准化处理，得到标准待测数据；将所述标准待测数据输入水质预测模型，得到水质预测结果；将所述水质预测结果与河流水质标准进行对比，若水质预测结果超过预设标准，则对水质情况给予预警；其中，所述水质预测模型的构建包括以下步骤：S1、获取预设时间段内的村镇河流水质数据；S2、对所述水质数据进行预处理；S3、对处理后的数据进行标准化处理；S4、针对不同时间段、不同村镇河流，重复执行步骤S1
‑
S3，获取多个数据集，不同村镇的水质数据集分别记为D1、D2…
D
n
，总数据集为D；S5、将所述总数据集划分为训练集、测试集与验证集；S6、基于所述总数据集，构建多维时序数据张量，基于多维时序数据张量，分别构建元训练集和元测试集；S7、构建改进GRU模型，确定神经网络架构及参数，基于所述元训练集及元测试集，通过改进reptile算法进行元训练，并保存训练得到的最优参数；S8、基于步骤S7得到的最优参数及步骤S5得到的训练集、测试集与验证集，训练并优化所述改进GRU模型，得到水质预测模型。2.根据权利要求1所述的一种基于改进元学习的水质预警方法，其特征在于，步骤S1中，所述水质数据包括pH值、化学需氧量、氨氮、温度、溶解氧、电导率及浊度数据。3.根据权利要求1所述的一种基于改进元学习的水质预警方法，其特征在于，步骤S2中，对所述水质数据进行预处理包括以下步骤：剔除数据中的异常值及重复值；修改格式错误的数据；利用线性插值法填补空白数据。4.根据权利要求1所述的一种基于改进元学习的水质预警方法，其特征在于，步骤S3中，所述标准化处理的计算公式为：式中，X
′
表示标准化计算后某一时刻t的水质数据，X
t
表示标准化前某一时刻t的水质数据，X
mean
表示标准化前某一时刻t的水质数据均值，X
std
表示标准化前某一时刻t的水质数据标准差。5.根据权利要求1所述的一种基于改进元学习的水质预警方法，其特征在于，步骤S6中，针对所述总数据集，根据固定时间步长T
s
、水质数据指标量N及数据量大小n划分为三维张量X
all
，根据固定时间步长T
s
、预测数量v
n
、数据量大小n划分为一维张量Y
all
。6.根据权利要求5所述的一种基于改进元学习的水质预警方法，其特征在于，步骤S6中，根据固定时间步长T
s
，采用滑动窗口采样法将所述总数据集划分为三维张量及一维张
量。7.根据权利要求1所述的一种基于改进元学习的水质预警方法，其特征在于，通过改进reptile算法进行元训练包括以下步骤：1)初始化参数φ；2)确定外循环迭代次数n，并执行以下步骤：2
‑
1)在总数据集D中，运用分层抽样抽取任务T；2
【专利技术属性】
技术研发人员：杨学军，商铤洲，林开颜，吴军辉，周全，祝华军，陈杰，司慧萍，
申请(专利权)人：同济大学，
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。