科创中国
基于频域时域转换和季节性分解的水质指标预测方法
发布时间: 2024-08-05
基本信息
合作方式：
技术许可
成果类型：
发明专利
行业领域：
水利、环境和公共设施管理业,水利管理业,生态保护和环境治理业
成果介绍
本发明涉及一种面向水质指标预测的方法，特别是涉及一种基于SG(Savitzky Golay)滤波、多周期季节性分解( S e a s o n a l ‑ t r e n d Decomposition using Loess for MultipleSea s o na l C om po n e n ts ,M STL) 、频域增强块(Frequency‑Enhanced Block ,FEB)和频域增强注意力机制Frequency‑Enhanced Attention ,FEA)的水质指标预测方法SMF2。首先，将获取到的水质指标历史数据依照时间序列进行排序，使用插值法调整异常数据，并采用SG滤波平滑预处理，将水质时间序列数据通过MSTL分解算法按照
多周期性预设的滑动窗口大小划分为多个周期分量、趋势分量、残差分量。输入基于频域增强块FEB和频域增强注意力机制FEA的预测模型SMF2，通过时域频域相互转换、特征提取和频域低秩性近似变换等算法操作，可实现对水质指标值基于单要素和多要素的短期与长期预测任务，最终获取精准度较高的水质指标预测结果。
成果亮点
本发明涉及一种面向水质指标的预测方法，特别是涉及一种基于频域时域转换和季节性分解水质指标预测方法。
随着社会的快速进步，人们对高品质生活方式的追求越来越高，生活用水和饮用水的安全问题也被提上了更高的优先级。水质预测能够准确、及时地反映水质现状和未来发展趋势，已成为水质异常监测的重要目标之一。为水环境管理和污染源控制提供重要的数据依据。是防止水环境受到污染、维持水环境健康的重要前提技术手段。因此，建立一个稳定、高效、准确的水质预测系统至关重要，其核心是水质预测模型。水质预测是历史数据的时间序列预测问题，是指完全根据历史上的水质实测记录，对未来一段时间内水质的变化进行预测。现有的预测方法普遍不能准确捕捉水质时间序列的非线性特征，存在梯度消
失和梯度爆炸等问题。
团队介绍
发明人 毕敬 李艺博 王梓奇
成果资料
下载app