[发明专利]一种水质预测方法和装置

权利要求书

1.一种水质预测方法，其特征在于，包括：

建立深度信念网络模型和长短时记忆网络模型；连接所述深度信念网络模型和所述长短时记忆网络模型，将所述深度信念网络模型的输出作为所述长短时记忆网络模型的输入，以构成所述水质预测模型；所述水质预测模型采用深度信念网络，对水质时间序列数据和天气数据进行处理，挖掘各因子之间的相互关系，基于所述深度信念网络对水质时间序列数据和天气数据进行处理的结果，利用所述长短时记忆网络学习水体质量与时间序列的长期关系，并据此进行预测；

基于历史的水质时间序列数据和天气数据，训练所述水质预测模型；

基于所述水质预测模型预测水质。

2.根据权利要求1所述的方法，其特征在于，所述基于历史的水质时间序列数据和天气数据，训练所述水质预测模型，包括：

获取目标区域的水质时间序列数据和天气数据，作为历史数据；

预处理所述历史数据，并对预处理后的所述历史数据归一化处理；

将归一化处理后的所述历史数据按预设比例划分为训练集和测试集，根据所述训练集的历史数据训练所述水质预测模型，以获得所述水质预测模型的参数。

3.根据权利要求2所述的方法，其特征在于，所述将归一化处理后的所述历史数据按预设比例划分为训练集和测试集，根据所述训练集的历史数据训练所述水质预测模型，以获得所述水质预测模型的参数之后，还包括：

根据所述测试集的历史数据测试并优化所述水质预测模型。

4.根据权利要求3所述的方法，其特征在于，所述根据所述测试集的历史数据测试并优化所述水质预测模型，包括：

测试所述水质预测模型，根据所述水质预测模型测试结果，调整所述水质预测模型中长短时记忆网络模型的层数；

测试经调整的所述水质预测模型，优化所述水质预测模型的参数。

5.根据权利要求2所述的方法，其特征在于，所述基于所述水质预测模型预测水质之前，还包括：

S61，改变所述预设比例，重新将归一化处理后的所述历史数据按改变后的所述预设比例划分为训练集和测试集；

S62，根据重新划分的训练集的历史数据训练所述水质预测模型，微调所述水质预测模型；

S63，根据重新划分的测试集的历史数据测试所述水质预测模型，优化所述水质预测模型的参数；

S64，重复所述S61-所述S63，直到获得所述水质预测模型的最优化参数。

6.根据权利要求2所述的方法，其特征在于，所述基于所述水质预测模型预测水质，包括：

获取所述目标区域当前和当前时刻之前预设时间段内的水质时间序列数据和天气数据；

归一化处理所述目标区域当前和当前时刻之前预设时间段内的水质时间序列数据和天气数据，将归一化处理后的数据输入到所述水质预测模型；

反归一化处理所述水质预测模型的输出数据，获得所述目标区域的水质预测数据。

7.一种水质预测装置，其特征在于，包括：

构建模块，用于建立深度信念网络模型和长短时记忆网络模型；连接所述深度信念网络模型和所述长短时记忆网络模型，将所述深度信念网络模型的输出作为所述长短时记忆网络模型的输入，以构成所述水质预测模型；所述水质预测模型采用深度信念网络，对水质时间序列数据和天气数据进行处理，挖掘各因子之间的相互关系，基于所述深度信念网络对水质时间序列数据和天气数据进行处理的结果，利用所述长短时记忆网络学习水体质量与时间序列的长期关系，并据此进行预测；

训练模块，用于基于历史的水质时间序列数据和天气数据，训练所述水质预测模型；

预测模块，用于基于所述水质预测模型预测水质。

8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行如权利要求1至6任一所述的方法。