结合时频特征与深度余量学习网络的水质预测方法及系统

本发明公开了一种结合时频特征与深度余量学习网络的水质预测方法及系统，监测获取原始水文及水质指标时序数据，并进行预处理；基于变模态分解算法将水文及水质指标时间序列信号分解为多频段IMF分量；构建并训练基于iTransformer的深度余量学习网络模型，将各IMF分量按频率从低到高依次输入所述深度余量学习网络，从低频至高频逐层学习各IMF中的变化规律，同时通过余量学习将每层未充分提取的特征信息传递至下一层继续学习，最终输出得到未来时间的水质预测结果。本发明的方法解决了现有方法在关键特征提取和跨尺度特征融合方面的不足，为复杂水质数据的精准预测提供了新的技术路径。