一种基于自适应滑窗LSTM的滨海河网污染物证据融合预警方法

本发明公开了一种基于自适应滑窗LSTM的滨海河网污染物证据融合预警方法，该方法首先通过传感器得到污染物指标的特征序列，并构建关于污染物指标的注意力机制长短时记忆网络模型AM‑LSTMi，根据特征序列，得到污染物指标的特征预测值。其次构建自适应滑窗调节模型，得到t+1时刻AM‑LSTMi的滑窗大小，并对滑窗调节模型和AM‑LSTMi模型的参数进行迭代优化。最后构建关于污染物指标的污染等级模糊隶属度模型，根据污染物指标的特征预测值，获取污染物等级的信度分布，进行加权融合，根据融合后获得的信度分布进行超限报警。本发明提高了特征序列预测的准确性，准确高效的完成河网污染物的预警。