一种基于GAN与LSTM的污水处理数据异常修复方法

本发明涉及数据处理与智能监控技术领域，公开了一种基于GAN与LSTM的污水处理数据异常修复方法，包括：采集处理工业园区污水处理厂内的多源数据；构建时序生成对抗网络模型，以CNN、LSTM网络和全连接层作为生成器的架构，以全连接层构建判别器；将预处理后的正常数据按照预先划定的训练集和测试集比例进行时序生成对抗网络模型训练和测试，训练过程为生成器和判别器交替训练；基于训练好的时序生成对抗网络模型对测试集数据进行异常修复；将时序生成对抗网络模型集成到工业园区污水处理厂数据化管理控制系统中进行实时检测。本申请能够自动检测污水处理数据中的异常点，生成符合实际规律的修复数据，提高数据质量和系统稳定性。