[发明专利]基于参数迁移的水质预测方法

说明书

基于参数迁移的水质预测方法，根据水域中目标监测站的水质信息与多个临近监测站的水质信息，分别建立基于RVFL的目标监测站水质预测模型与多个基于RVFL的临近监测站水质预测模型，使用目标监测站水质训练集和临近监测站水质训练集分别训练模型；根据训练得到的目标监测站和临近监测站模型参数，进行模型之间的参数迁移，得到迁移后的目标监测站水质预测模型；使用迁移后的目标监测站水质预测模型进行水质预测，并进行加权平均，得到最终水质预测结果。本方法将参数迁移运用到水质预测中，对目标监测站水质预测模型和临近监测站水质预测模型中共享的参数进行迁移，有效利用了目标监测站与临近监测站水质信息间的非线性关联，提升了水质预测精度。

技术领域

本发明涉及水质预测领域，具体涉及一种基于参数迁移的水质预测方法。

背景技术

水环境作为地球生态环境中至关重要的一部分，对人类的生存发展有不可或缺的作用。随着人类社会的不断扩大，社会工业化进程导致水环境遭受严重污染。准确的水质预测使人们能够提前得知水环境未来的变化趋势，可以作为管理和保护水环境的重要依据，对保护和管理水环境意义重大。

在使用神经网络模型进行水质预测时，水质信息是影响水质预测精度的关键因素。同一水域相邻监测站在地理分布上存在水体交换而产生临近效应，因此相邻监测站水质信息间存在非线性关联，为水质预测提供了新的思路。

发明内容

本发明针对上述背景技术，提供了一种基于参数迁移的水质预测方法，利用水质信息间的这种非线性关联，将临近监测站水质信息与目标监测站水质信息相结合，可以有效提高水质预测精度。

基于参数迁移的水质预测方法，其特征在于：所述方法包括如下步骤：

步骤1：根据水域中目标监测站的水质信息与临近监测站的水质信息，分别建立基于RVFL的目标监测站水质预测模型与基于RVFL的临近监测站水质预测模型，使用目标监测站水质训练集和临近监测站水质训练集分别训练目标监测站和临近监测站水质预测模型；

步骤2：根据步骤1训练得到的目标监测站和临近监测站模型参数，对目标监测站模型和临近监测站模型之间进行参数迁移，得到迁移后的目标监测站水质预测模型；

步骤3：使用步骤2得到的迁移后的目标监测站水质预测模型分别进行水质预测，并对预测结果进行加权平均，得到最终水质预测结果。

进一步地，所述步骤1中，建立并训练水质预测模型的具体步骤如下：