摘要
本发明公开了一种基于全光谱与注意力机制的水质参数趋势预测方法及系统,属于水质检测技术领域。通过获取历史水体全光谱吸收数据的获取,并对水体全光谱吸收数据的时序信息进行充分利用,不仅进行了历史全光谱动态融合,还提升了最终训练出的水质参数趋势预测模型的趋势感知与预测精度,同时,训练模型的过程中选用卷积神经网络和长短期记忆网络进行模型搭建,兼顾了局部波长特征与全局时序特征,使得预测更加精准。此外还引入了注意力增强机制,以提升水质参数趋势预测模型对关键波长和关键时间片的关注度,提升了水质异常的检测与实时预警能力。
技术关键词
全光谱
趋势预测方法
趋势预测模型
多尺度注意力机制
长短期记忆网络
参数
时序特征
水体
一维卷积神经网络
分支
序列
数值
数据
矩阵
水质总氮含量
水质氨氮含量
系统为您推荐了相关专利信息
生态修复方法
策略标签
高层语义特征
多光谱传感器
深度特征学习
算法模型
风险控制策略
市场动态
曲线
深度学习模型
飞行汽车
散热管理方法
深度学习模型
散热策略
序列对齐方法
步态特征
协同决策机制
动态规划算法
机器学习模型
轨迹误差
注意力神经网络
长短期记忆网络
注意力机制
Sigmoid函数
深度特征学习