一种基于信息构造的河道水体溶解氧预测方法

本发明公开了一种基于信息构造的河道水体溶解氧预测方法，涉及环保信息处理技术领域，从河道水体溶解氧历史数据以及河道水体溶解氧每日的昼夜变化特征和时间变化规律出发，提出基于信息构造的LSTM神经网络算法对河道水体溶解氧进行预测，使用基于密度的局部离群因子算法和线性插值法进行异常值检测和数据填充，SG滤波对数据去噪，根据溶解氧的昼夜波动性和溶解氧每日的变化规律，将每日溶解氧的最高值与最低值之差和每日时间量化为数值作为时间序列的特征，最终构建LSTM神经网络模型，该方法能够有效地克服因溶解氧昼夜波动性较大导致预测精度存在局限性的问题，有效的提高预测精度。