基于小波变换和Informer模型的城市污水水质预测方法及系统

本申请是关于一种基于小波变换和Informer模型的城市污水水质预测方法及系统，包括：获取去除连续缺失值与异常值的预测数据，确定关键特征集；通过多级分解将所述关键特征集分解为不同的频率分量，对分解后的不同频率分量进行动态阈值处理后重新组合，得到重组时间序列数据；建立预测模型；训练预测模型，并将待测进水水质预测数据的重组时间序列数据输入，得到待测进水水质的预测结果。本申请提供一种基于小波变换和Informer模型的城市污水水质预测方法及系统，能够通过Informer模型结合离散小波变换与膨胀卷积，优化全局特征的提取，更精确地捕捉水质数据中的动态变化和局部波动，从而显著提高模型预测精度。