摘要
本发明提供了一种基于混合注意力机制和编解码器的出水COD预测方法,包括:采集污水处理厂进水参数、运行参数与出水COD值,对数据进行数据清洗、归一化、划分数据集等预处理;然后构建包含编码解码器结构、混合注意力机制以及回归模块的出水COD预测模型;将进水参数、运行参数作为输入数据,将出水COD作为输出数据基于反向传播算法训练模型;调用训练好的模型对出水COD进行预测。本发明利用编码解码器结构捕捉污水处理过程中多元长时间序列复杂的映射关系,设计混合注意力机制自适应提取时间与空间维度上的关键信息,该模型能够灵活适配污水处理厂多种工况变化情况,提高了预测准确度。
技术关键词
注意力机制
编解码器
长短期记忆神经网络
滑动窗口技术
空间特征提取
编码解码器
矩阵
深度学习模型
出水COD浓度
三次样条插值法
模型超参数
编码器模块
训练集数据
样本
污水