【技术实现步骤摘要】
本专利技术涉及城市水系统类城市降雨径流污染预测，特别涉及一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法。
技术介绍
1、城市降雨径流污染模拟在城市水文学中具有重要意义，长期以来受到人们的广泛关注。各种城市降雨径流污染预测模型在城市面源污染中得到了广泛应用，传统方法主要包括swmm、storm、hspf、mouse、infoworks icm、wasp等，这些方法根据城市降雨的水文水力、污染物累积及冲刷、土壤侵蚀、排水管网污染物运动过程规律等，对降雨径流过程中污染物的迁移转化进行预测。近年来，人工神经网络、递归神经网络和长短期记忆网络(lstm)等数据驱动方法在城市水系统中得到了广泛应用，这些方法可以利用大数据模拟高度非线性和复杂的系统，并且在水文领域具有良好的性能。
2、为了进一步提高预测精度，现有方法通常将数据分解和深度学习算法结合，构建分解集成模型。这些集成模型通常先对高复杂度的预测序列进行分解，然后对相对简单的子序列进行建模和预测，最后对子序列的结果进行积分得到预测结果。这样可以降低模型的学习难度，从而
【技术保护点】
1.一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤S1中，包括以下步骤：
3.根据权利要求2所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤S1.2中，包括以下步骤：
4.根据权利要求1所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤S2中，包括以下步骤：
5.根据权利要求4所述的一种基...
【技术特征摘要】
1.一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤s1中，包括以下步骤：
3.根据权利要求2所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤s1.2中，包括以下步骤：
4.根据权利要求1所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤s2中，包括以下步骤：
5.根据权利要求4所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤s2.1中，采用数据分解算法将降雨径流序列分解为子序列，在分解过程中逐个添加数据点，对降雨径流序列进行滚动分解。
6.根据权利要求1所述的一种基于滚动分解法和深度学习算法集成的城市降雨径流污染预测方法，其特征在于，所述步骤s3中，包括以下步骤：...
【专利技术属性】
技术研发人员：王殿常，向欣，胡祖康，张俊，周小国，陈文然，吴坤明，汪雨恬，
申请(专利权)人：长江生态环保集团有限公司，
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。