一种智能水表的误差校验方法及系统

本申请涉及误差校验技术领域，其具体地公开了一种智能水表的误差校验方法及系统，其采用基于深度学习的神经网络模型对目标时间段内流经多功能智能水表的水体的温度以及压力的时间序列数据进行细粒度时序特征提取，以捕捉各个局部时域下水体温度以及压力的时序变化模式，并通过对各个局部时域下水体温度和压力的时序变化特征分别进行时序积分编码，来理解水体温度和压力在全局时域下对用水量的时序累积效应，实现对用水量的智能预测，从而根据预测结果与水表测量值之间的差异，对智能水表进行误差校验。通过这种方式，可以更准确地反映智能水表的测量误差，进而提高误差校验的精度以及水务管理的智能化水平。