基于层次分解-集成神经网络的污水处理过程出水总磷预测方法

一种基于层次分解‑集成神经网络的污水处理过程出水总磷预测方法，涉及人工智能领域，解决了污水处理过程中出水总磷浓度趋势难以掌握、预测成本高等问题。针对污水处理过程受到多种环境因素的影响，出水总磷体现出多周期性、非线性等多种特性，影响预测精度的问题，提出了一种层次分解‑集成预测模型框架，将时间序列分解为多周期分量、趋势分量和残差，从而对每个组成部分进行精确的建模，提高了预测模型的预测性能；同时，针对普通注意力机制仅关注输入变量内部重要性的问题，提出了一种改进的注意力机制，通过去除冗余输入成分来提高训练效率，并通过对重要成分进行加权提高了模型的预测精度，促进了污水处理厂的管理运行。