摘要
本发明公开了一种基于级联时序神经网络的供水厂余氯预测方法,涉及水质预测技术领域。一种基于级联时序神经网络的供水厂余氯预测方法,包括采集历史数据、对历史数据进行数据清洗、构建级联时序神经网络的供水厂余氯预测模型、使用预处理后的数据对模型进行训练,直至模型收敛、采用测试集数据全面评估模型的预测性能;本发明预测结果整体误差小、稳定性好、网络训练速度更快,能够更准确地预测未来余氯浓度地变化。
技术关键词
时序神经网络
级联
异常数据
水质预测技术
补录方法
模型预测值
特征轮廓
训练集
药罐
误差
时间段
传感器
天气
代表
浊度
液位
参数
校正
系统为您推荐了相关专利信息
异常数据
空气净化系统
等离子净化装置
空气净化设备
时序
寿命预测模型
汽车万向节
预测装置
风格
模式检测模块
抗直流偏磁
异常数据
互感器故障检测
深度学习算法
生成工作
异常流量
卫星网络流量
流量检测方法
孤立森林算法
算法模型