[发明专利]集成小波分解与深度神经网络的水质指标多步预测方法

摘要

本发明公开了一种集成小波分解与深度神经网络的水质指标多步预测方法。其步骤如下：1)对原始水质指标的监测历史数据使用线性插值法填补缺失值；2)对填补缺失值后的数据进行离散小波变换；3)基于双向门控循环单元构建编码器，构建基于单向门控循环单元与全连接层的解码器，结合注意力机制提取解码器每步隐藏层状态与编码器所有隐藏层状态的相关关系，结合编码器和解码器构建神经网络模型，以小波分解后获得的多个分解序列作为输入。本方法的优点在于充分考虑水质数据非线性、波动复杂的特点，减弱噪音影响，自适应提取各步历史数据的影响程度，一步式、端到端预测未来多周的水质指标，对于水资源管理与生态保障具有实际应用价值。