[发明专利]一种基于特征工程的河涌水质预测方法

权利要求书

1.一种基于特征工程的河涌水质预测方法，其特征在于，包括如下步骤：

步骤A：获取影响河涌水质的监测数据；

步骤B：对影响河涌水质的监测数据进行预处理；

步骤C：构造影响河涌水质的特征指标；

步骤D：采用相关系数法进行特征指标筛选，包括通过Pearson相关系数法进行LSTM模型的特征筛选；

步骤E：模型结构数据处理，包括将筛选的特征指标，进行LSTM模型结构数据预处理；

步骤F：模型训练及自动调参，包括对LSTM模型进行训练和自动调优LSTM模型参数，保存最优模型至服务器上；

步骤G：模型预测及结果评估，包括基于最优模型获取预测数据，评估预测数据与真实数据的偏差。

2.根据权利要求1所述一种基于特征工程的河涌水质预测方法，其特征在于：

在所述步骤A中，获取影响河涌水质的监测数据包括获取河涌污染物监测数据、调水记录、曝气设备运行记录以及气象数据。

3.根据权利要求1所述一种基于特征工程的河涌水质预测方法，其特征在于：

在所述步骤B中，对影响河涌水质的监测数据进行预处理包括：

步骤B1：对监测数据的完整性进行检查，剔除显著异常值，包括剔除缺失值、NULL值、值不变和负值；

步骤B2：剔除监测仪器处于非正常监测时段的数据，非正常监测时段包括故障期间、维修期间、超期限未校准时段、失控时段、有计划的维护保养时段和校准校验时段；

步骤B3：基于MAD法去除异常小和异常大的离群值。

4.根据权利要求1所述一种基于特征工程的河涌水质预测方法，其特征在于：

在所述步骤C中，构造影响河涌水质的特征指标包括构造昼夜变化特征指标、季节性变化特征指标、影响溶解氧、水温的特征指标、降雨特征指标、调水特征指标和曝气特征指标。

5.根据权利要求4所述一种基于特征工程的河涌水质预测方法，其特征在于：

构造昼夜变化特征指标包括：

引入日周期性特征指标参与LSTM模型训练预测，基于sin和cos将时间转换为清晰的“一天时间”的周期性信号；

转换过程包括：

将监测数据时间转化为时间戳格式，依次按照公式一至公式三进行转换；

day＝24×60×60--公式一；

Daysin＝sin(时间戳×(2π/day))--公式二；

Daycos＝cos(时间戳×(2π/day))--公式三；

Daysin表示转换后的sin日周期性信号；

Daycos表示转换后的cos日周期性信号；

构造季节性变化特征指标包括：

通过使用sin和cos将时间转换为清晰的“一年时间”的周期性信号；

转换过程包括：

将监测数据时间转化为时间戳格式，依次按照公式四至公式七进行转换；

day＝24×60×60--公式四；

year＝365.2425×day--公式五；

Yearsin＝sin(时间戳×(2π/year))--公式六；

Yearcos＝cos(时间戳×(2π/year))--公式七；

Yearsin表示转换后的sin年周期性信号；

Yearcos表示转换后的cos年周期性信号；

构造溶解氧、水温的特征指标包括引入影响溶解氧、水温的气象因素作为特征指标参与LSTM模型训练；

构造降雨特征指标包括引入不同范围时间段内的降雨量数据以反映降雨对水质变化的影响；

构造调水特征指标包括引入不同范围时间段内的调水时长以反映调水对河涌污染物浓度变化的影响；

构造曝气特征指标包括引入不同范围时间段内的曝气时长以反映曝气对河涌污染物浓度变化的影响。