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

AITNT
正文
推荐专利
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
申请号:CN202411012080
申请日期:2024-07-25
公开号:CN119066348A
公开日期:2024-12-03
类型:发明专利
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
1
一种基于大数据的矿产多尺度递进式找矿预测方法
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
2
一种基于语义感知非对称标记增强的跨域行人重识别方法
行人重识别模型 局部纹理特征 样本 轮廓特征 令牌
3
光伏电站智能分析与故障智能诊断方法及系统
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
4
基于弱标注的管道漏磁信号金属损失检测方法
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
5
基于时频注意力的选择性状态空间模型的报警检测方法
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
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号