[发明专利]一种基于双注意力机制的水质长期预测方法

权利要求书

1.一种基于双注意力机制的水质长期预测方法，其特征在于，其特征在于：包括以下步骤：

步骤1、采集数据并对数据进行预处理；

步骤2、将步骤1中处理的数据输入由特征注意力机制、Bi-SRU(双向简单循环单元)网络和时间序列注意力机制组成的DA-Bi-SRU(基于双重注意力机制的双向简单循环单元)神经网络模型中；

步骤3、得到模型输出的预测数据实现水质预测。

2.根据权利要求1所述的方法，其特征在于，步骤2所述方法还包括：特征注意力机制上，以各相关特征的时间序列作为特征注意力机制的输入，如式(1)所示进行当前时刻t各相关特征的注意力权重计算，并用式(2)中softmax函数进行归一化，使所有特征权重和为1，得到t时刻各特征对预测水质的重要程度式中：W_e∈R^T*T、b_e∈R^T为计算注意力权重的多层感知机权重和偏置参数。

将得到的特征权值和相乘对第m种特征进行增强或削弱，如式(3)所示。

3.根据权利要求1所述的方法，其特征在于，步骤2所述方法还包括：时序注意力机制上，以不同时刻的时间序列作为时序注意力机制的输入，单向SRU神经网络隐状态单元数为u，如式(9)所示进行BI-SRU迭代时刻t各相关时刻的注意力权重l_t计算，并用式(10)中softmax函数进行归一化，使所有特征权重和为1，得到各时刻隐层状态S_t对时刻t预测值的重要程度β_t∈R。式中：为计算注意力权重的多层感知机权重。

将得到的特征权值β_t和S_t加权求和，如式(11)所示

使用全连接层作为输出层，将C_t为输入，输出预测值通过下面的公式(12)计算。其中W_y表示时序注意力层到全连接层长度为u的连接权重向量。