【技术实现步骤摘要】
本专利技术涉及水质预测，尤其涉及一种水质浊度预测方法、浊度预测系统及计算机可读存储介质。
技术介绍
1、在水资源管理和环境监测领域，浊度是衡量水质的关键指标之一，对于保护水资源和优化其使用极为关键；浊度预测，作为浊度传感器研究的一个主要方向，致力于结合关键参数，如浊度本身、温度、降雨量、以及风力风向，来实现对未来时刻浊度水平的精确预测；尽管目前已有众多研究致力于提升浊度预测的准确性，但仍面临一系列挑战；由于目标水域环境的复杂多变性，预测模型常常缺乏足够的通用性和实时性难以适应不同地理位置之间的温差变化和其他多变的环境因素，从而限制了模型的泛化能力和应对复杂环境的效果。
2、中国专利公开号为“cn117313040a”，名称为“一种基于svm-lstm模型的水库型浊度预测方法”；该方法首先获取水库自动监测数据并进行数据预处理，提取水质特征、水动力指标特征以及构建风场特征；接着，通过svm模型根据上述特征得到第一浊度预测结果并计算平方损失，lstm模型则根据水质特征、水动力指标特征和平方损失得到第二浊度预测结果；最后，通过加权平...
【技术保护点】
1.一种水质浊度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的水质浊度预测方法，其特征在于，所述网络采用长短时记忆网络，网络层层数和神经元个数经遗传算法优化得到，数据经长短时记忆网络最后输出未来时间步长的浊度预测结果的步骤中，所述遗传算法包括种群、适应度函数、遗传、变异、交叉和终止条件，通过种群初始化、适应度评估、选择、交叉和变异的步骤不断迭代，从初始种群出发，评估个体适应度，选择优秀个体进行遗传组合和变异生成新个体，逐代进化，重复进行，直至满足停止条件。
3.一种浊度预测系统，应用于如权利要求1至2任一项所述的水质浊度预测方法...
【技术特征摘要】
1.一种水质浊度预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的水质浊度预测方法，其特征在于，所述网络采用长短时记忆网络，网络层层数和神经元个数经遗传算法优化得到，数据经长短时记忆网络最后输出未来时间步长的浊度预测结果的步骤中，所述遗传算法包括种群、适应度函数、遗传、变异、交叉和终止条件，通过种群初始化、适应度评估、选择、交叉和变异的步骤不断迭代，...
【专利技术属性】
技术研发人员：詹伟达，董朋，陈宇，底晓强，葛微，朱德鹏，郝子强，唐雁峰，刘妍妍，
申请(专利权)人：长春理工大学，
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。