[发明专利]一种水质预测方法、装置、设备及存储介质

说明书

本申请涉及云技术领域，提供了一种水质预测方法、装置、设备及存储介质。该方法包括：获取目标区域内每个地点采集的第一历史监测数据集，每个第一历史监测数据集包含了来自不同数据源的第一历史监测数据，通过浅层特征提取，得到了表征周边地点采集的同一数据类型的第一历史监测数据，对相应地点的水质情况的影响程度的类内关联特征，再通过深层特征提取，从各个类内关联特征中提取到水质预测特征，该特征表征各个地点在各个历史阶段中采集的第一历史监测数据集，以及相应周边地点在各个历史阶段中采集的第一历史监测数据集，对预测相应地点在未来阶段的水质情况的影响程度。因考虑到数据的空间相关性与时间相关性，大大提高了水质预测准确率。

背景技术

地表水是人类生活用水的重要来源之一，因此，地表水环境质量会极大地影响人们的日常生产生活。目前，常使用基于水动力学的水质预测方法和基于机器学习的水质预测方法，预测地表水的水质情况。

地表水的自然蒸发、地表水与管道之间的流体反应，都会引起地表水的水质变化，然而，在基于水动力学的水质预测方法中，难以构建出用于模拟地表水的水质变化的数学模型，无法实现精准预测水质情况。

在基于机器学习的水质预测方法中，要么只考虑了水质数据，限制了水质预测模型的使用场景，且随着气候、环境等因素的变化，该模型可能会逐渐失效，无法准确评估地表水的水质情况；要么只考虑了单一水质监测站点的历史监测数据，导致水质预测模型难以准确评估该站点所处区域的水质情况。

发明内容

本申请实施例提供了一种水质预测方法、装置、设备及存储介质，以解决水质预测准确率低的问题。

第一方面，本申请实施例提供了一种水质预测方法，包括：

获取目标区域内不同地点在各个历史阶段采集的第一历史监测数据集，每个第一历史监测数据集包含来自各个数据源的第一历史监测数据；

将归属于同一数据类型的数据源所对应的第一历史监测数据，划分为一组同质数据，并分别提取各组同质数据各自的类内关联特征，每个类内关联特征表征周边地点采集的同质数据，对相应地点的水质情况的影响程度；

对各个类内关联特征进行深层特征提取，获得相应的水质预测特征，所述水质预测特征表征各个地点在所述各个历史阶段采集的第一历史监测数据集，以及相应周边地点在所述各个历史阶段采集的第一历史监测数据集，对预测相应地点在未来阶段的水质情况的影响程度；

基于获得的水质预测特征，确定所述目标区域内各个地点各自的水质预测结果。

第二方面，本申请实施例还提供了一种水质预测装置，包括：

采集单元，用于获取目标区域内不同地点在各个历史阶段采集的第一历史监测数据集，每个第一历史监测数据集包含来自各个数据源的第一历史监测数据；

浅层特征提取单元，用于将归属于同一数据类型的数据源所对应的第一历史监测数据，划分为一组同质数据，并分别提取各组同质数据各自的类内关联特征，每个类内关联特征表征周边地点采集的同质数据，对相应地点的水质情况的影响程度；

深层特征提取单元，用于对各个类内关联特征进行深层特征提取，获得相应的水质预测特征，所述水质预测特征表征各个地点在所述各个历史阶段采集的第一历史监测数据集，以及相应周边地点在所述各个历史阶段采集的第一历史监测数据集，对预测相应地点在未来阶段的水质情况的影响程度；

预测单元，用于基于获得的水质预测特征，确定所述目标区域内各个地点各自的水质预测结果。

可选的，所述深层特征提取单元用于：

通过所述时间递归神经网络中的各个处理单元，读取所述类间关联特征中相应的各维类间关联特征，其中，