[发明专利]基于深度学习的水质预测方法及系统

摘要

本发明提供一种基于深度学习的水质预测方法及系统，该方法包括：获取待测水样的初始水质数据；将初始水质数据输入生成式对抗网络，获取初始水质预测值；对所述初始水质预测值进行散度处理；将散度处理后的初始水质预测值输入改进后的BP神经网络，将改进后的BP神经网络的期望输出作为优化预测值，并根据改进后的BP神经网络中的误差函数获得全局误差，基于优化预测值、全局误差、预设误差范围和预设次数，获得所述待测水样的最优水质预测值。本发明通过建立一个拥有生成式对抗网络层和一层BP神经网络层的深度网络，提取数据源的深度特征，形成初始化数据，接着进行BP神经网络的优化分析，最终得到更加准确的水质环境预测数据。

主权项

1.一种水质预测方法，其特征在于，包括：S1，获取待测水样的初始水质数据；S2，将所述初始水质数据输入生成式对抗网络，获取初始水质预测值；S3，对所述初始水质预测值进行散度处理；S4，将散度处理后的初始水质预测值输入改进后的BP神经网络，将改进后的BP神经网络的期望输出作为优化预测值，并根据改进后的BP神经网络中的误差函数获得全局误差，基于所述优化预测值、所述全局误差、预设误差范围和预设次数，获得所述待测水样的最优水质预测值，所述改进后的BP神经网络中的误差函数包括所述初始水质数据随时间变化的信息。