摘要
本发明提供一种基于多尺度时序卷积神经网络的水华预测模型及方法,包括小波数据预处理模块、特征嵌入模块、多尺度时序卷积模块和预测模块,多尺度时序卷积模块包括时频特征增强模块、二维卷积特征提取模块和自适应周期性分析模块。模块构成一种基于多尺度时序卷积神经网络预测方法,本发明综合利用监测到的气象与水文时间序列数据,通过结合小波变换方法,可以有效减轻数据噪声带来的影响,利用多种嵌入方式组合提取特征,多尺度地高效提取和学习数据特征,克服现有水华预测方法预测准确率不够高、以及未能充分利用时间序列数据中特征信息的缺陷。
技术关键词
时序卷积神经网络
多尺度
卷积特征提取
分析模块
周期性
数据嵌入
卷积模块
水华预测方法
二维卷积神经网络
水文时间序列
小波变换去噪
分段线性插值
频率
小波变换方法
时序特征
系统为您推荐了相关专利信息
地球物理数据
多尺度
数据模块
空间分布规律
地质勘探数据
行人重识别模型
局部纹理特征
样本
轮廓特征
令牌
故障智能诊断方法
光伏电站智能
故障诊断模型
光伏电站运行数据
精确故障定位
管道漏磁
漏磁信号
生成热力图
训练检测模型
训练分类模型
报警检测方法
状态空间模型
连续小波变换
表达式
时域特征