[发明专利]水质预测模型训练、水质预测方法、装置、设备及介质

权利要求书

1.一种水质预测模型训练方法，其特征在于，包括：

获取目标流域在目标训练时间区间的历史水质样本数据；

将所述历史水质样本数据输入至组合预测模型中的灰色预测模型，得到所述目标训练时间区间对应的预测水质因子浓度训练数据；

将所述预测水质因子浓度训练数据输入至所述组合预测模型中的神经网络模型，得到所述目标训练时间区间对应的预测水质监测因子浓度训练数据；

根据所述目标训练时间区间对应的历史水质监测因子浓度样本数据对所述预测水质监测因子浓度训练数据进行评价，得到所述组合预测模型的模型评价结果；

在确定所述模型评价结果不满足预设模型评价指标的情况下，返回执行将所述历史水质样本数据输入至组合预测模型中的灰色预测模型的操作，直至确定所述模型评价结果满足所述预设模型评价指标。

2.根据权利要求1所述的方法，其特征在于，在所述获取目标流域在目标训练时间区间的历史水质样本数据之前，还包括：

对所述历史水质样本数据按照水量进行划分，得到枯水期历史水质样本数据、丰水期历史水质样本数据以及平水期历史水质样本数据；

所述将所述历史水质样本数据输入至组合预测模型中的灰色预测模型，包括：

确定所述历史水质样本数据匹配的样本水期类型；

根据所述样本水期类型确定目标组合预测模型；

将所述历史水质样本数据输入至所述目标组合预测模型中的灰色预测模型；

其中，所述目标组合预测模型包括枯水期组合预测模型、丰水期组合预测模型以及平水期组合预测模型。

3.根据权利要求1或2所述的方法，其特征在于，所述历史水质样本数据包括：污染源在线监测数据、水位关联数据以及气象关联数据；

其中，所述水位关联数据包括水位数据、流量数据以及流向数据中的至少一项；

所述气象关联数据包括气温数据、降水数据、光照数据、风力数据以及风向数据中的至少一项。

4.一种水质预测方法，其特征在于，包括：

获取目标流域在目标预测时间区间的预测水质样本数据；

将所述预测水质样本数据输入至组合预测模型中的灰色预测模型，得到所述目标预测时间区间对应的预测水质因子浓度数据；

将所述预测水质因子浓度数据输入至所述组合预测模型中的神经网络模型，得到所述目标预测时间区间对应的预测水质监测因子浓度数据。

5.根据权利要求4所述的方法，其特征在于，所述将所述预测水质样本数据输入至组合预测模型中的灰色预测模型，包括：

确定所述预测水质样本数据匹配的样本水期类型；

根据所述样本水期类型确定目标组合预测模型；

将所述预测水质样本数据输入至所述目标组合预测模型中的灰色预测模型；

其中，所述目标组合预测模型包括枯水期组合预测模型、丰水期组合预测模型以及平水期组合预测模型。

6.根据权利要求4或5所述的方法，其特征在于，所述获取目标流域在目标预测时间区间的预测水质样本数据，包括：

获取所述目标流域在临近时间区间的目标历史水质样本数据；

将所述目标历史水质样本数据输入至所述目标组合预测模型中的灰色预测模型，得到所述预测水质样本数据；

其中，所述目标历史水质样本数据和所述预测水质样本数据包括污染源在线监测数据、水位关联数据以及气象关联数据；所述水位关联数据包括水位数据、流量数据以及流向数据中的至少一项；所述气象关联数据包括气温数据、降水数据、光照数据、风力数据以及风向数据中的至少一项。