摘要
本发明涉及河道水质管理中监测断面的水质预测领域,特别涉及一种基于STL分解和注意力机制的河道监测断面水质预测方法,使用该方法,一是使用STL分解将原始水质数据分解为具有实际意义的趋势项、周期性和残差项,二是引入注意力机制增强深度学习模型对时空信息的捕捉能力。本发明在保证经过数据分解后的各项能够获取水质变化的趋势和周期情况的同时,提高水质预测的精确度,有效地抑制了长时间步长模型预测中的累计误差现象。
技术关键词
水质预测方法
集成深度学习
双曲正切函数
河道水质管理
深度学习模型
参数
引入注意力机制
算法
气象
周期性
数据
水质监测站
步长模型
预测残差
系统为您推荐了相关专利信息
反向设计方法
带隙
变分自动编码器
晶体
深度神经网络
深度学习模型
染色体
多头注意力机制
大规模图像数据集
模态特征
遥感图像处理方法
融合特征
通道注意力机制
遥感图像处理系统
多尺度特征融合
车载激光雷达
清洗方法
训练深度学习模型
镜面
车辆智能控制技术
预警系统
环境温湿度监测
粉尘浓度监测
数据存储模块
监测单元