[发明专利]一种基于混合模型组合算法的多特征水质预测方法

权利要求书

1.一种基于混合模型组合算法的多特征水质预测方法，其特征在于，包括：

S1、建立水质预测数据集；

S2、对数据集进行预处理，包括去噪、缺失值填充和数据归一化操作；

S3、基于SARIMA和LSTM组合多特征预测方法构建水质预测模型；

S4、使用上述水质预测模型预测未来一段时间内水质变化趋势。

2.如权利要求1所述的一种基于混合模型组合算法的多特征水质预测方法，其特征在于，S1包括：

S01、收集n年内目标区域水质数据和区域天气数据；

S02、确定训练集中的有效特征；在水质预测模型中，水质数据集有效特征包括氢离子浓度指数、氧溶解量、高锰酸盐指数和氨氮含量指标，天气数据集有效特征包括大气温度、海平面大气压、风速、降雨量指标；

S03、将n年内水质数据中的某项指标作为目标预测数据列，标记为数据序列Y；将其他水质、天气数据按时间一一对应整合为数据集X。

3.如权利要求1所述的一种基于混合模型组合算法的多特征水质预测方法，其特征在于，S3包括：

a)令时间序列表示为T＝{t₁,…,t_n}，水质、天气相关影响特征表示为F＝{f₁,…,f_m}，则数据集X表示为

数据集Y表示为

b)首先利用SARIMA算法对步骤a中数据集Y做l步预测，得到初始预测序列同时，获得序列训练残差r＝{r₁,…,r_n}，此部分即为模型线性预测部分。

c)然后针对加入残差序列的新训练数据集用LSTM算法对r做l步预测得到残差预测序列LSTM算法中将构造一个含有两个隐含层的LSTM网络，并在第一层中应用dropout技术，第二层为一个全连接层。

对步骤b和步骤c中得到的预测值相加，得到最终的水质特征预测值此部分即为模型数据融合部分。

4.如权利要求1或3所述的一种基于混合模型组合算法的多特征水质预测方法，其特征在于，S4包括：

根据目标预测特征值与水质类别之间的关系，由特征值变化情况判断水质变化趋势。