System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于水质预测,具体而言涉及一种水质预测模型训练方法。
技术介绍
1、水资源管理是社会经济发展的重要基础,涉及到水质、流量等多个方面的数据监测和分析。但是由于环境、人为因素的影响,导致水质数据存在波动性大、预测困难、难以及时发现和治理等局限。
2、现有的水质预测模型训练技术中,主要利用机器学习和神经网络算法进行时序数据的预测,再由人工进行审核发现异常数据,然后手动调整参数或重新训练模型,容易出现错误和遗漏,存在无法动态更新训练模型,且模型准确率不高的问题。
技术实现思路
1、鉴于上述的分析,本专利技术实施例旨在提供一种水质预测模型训练方法,用以解决现有的水质预测模型训练方法存在无法动态更新训练模型,且模型准确率不高的技术问题。
2、本专利技术的目的是这样实现的:
3、一方面,提供一种水质预测模型训练方法,包括:
4、获取第一点位的水质历史时序数据和第一真实时序数据;
5、将所述水质历史时序数据输入到训练模型中进行训练,得到预测模型;根据所述预测模型获得预测时序数据;
6、根据所述预测时序数据与所述第一真实时序数据计算各时间点的偏移量,将所述偏移量大于预设偏移量阈值的所述预测时序数据中的时间点标记为偏移数据点;
7、获取所述第一点位的上游点位的第二真实时序数据以及获取所述第一真实时序数据中的偏移数据段;
8、计算所述偏移数据段与所述第二真实时序数据中的对照数据段的相关性值;
...【技术保护点】
1.一种水质预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的水质预测模型训练方法,其特征在于,若所述相关性小于预设相关性阈值,则将所述偏移数据点设为异常数据点。
3.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述偏移数据段为以所述偏移数据点为中心,特定时间步长的所述第一真实时序数据中的数据段。
4.根据权利要求3所述的水质预测模型训练方法,其特征在于,所述对照数据段的时间步长表示如下:
5.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述偏移量表示如下:
6.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述偏移数据段与所述对照数据段的相关性值表示如下:
7.根据权利要求6所述的水质预测模型训练方法,其特征在于,通过一个距离衰减因子修正所述相关性值,以减弱所述第一点位与所述上游点位之间的距离对所述相关性值的影响,修正后的相关性值表示如下:
8.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述水质历史时序数据输入所述训练模型之前还包括预处理,所述
9.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述训练模型包括编码器,所述编码器包括一个自相关模块、一个前馈模块和两个第一时间序列分解模块。
10.根据权利要求9所述的水质预测模型训练方法,其特征在于,所述训练模型还包括解码器,所述解码器包括两个自相关模块、一个前馈模块和三个第二时间序列分解模块。
...【技术特征摘要】
1.一种水质预测模型训练方法,其特征在于,包括:
2.根据权利要求1所述的水质预测模型训练方法,其特征在于,若所述相关性小于预设相关性阈值,则将所述偏移数据点设为异常数据点。
3.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述偏移数据段为以所述偏移数据点为中心,特定时间步长的所述第一真实时序数据中的数据段。
4.根据权利要求3所述的水质预测模型训练方法,其特征在于,所述对照数据段的时间步长表示如下:
5.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述偏移量表示如下:
6.根据权利要求1所述的水质预测模型训练方法,其特征在于,所述偏移数据段与所述对照数据段的相关性值表示如下:
7.根据...
【专利技术属性】
技术研发人员:周刚,张原浩,陈晨,龚琼琼,牛思源,方明,王伟,郭东宸,黄思,
申请(专利权)人:北京英视睿达科技股份有限公司,
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。