[发明专利]水质预测方法、装置及服务器

权利要求书

1.一种水质预测方法，其特征在于，包括：

获取预设时间段内所有预设监测点的水质特征数据，将水质数据划分为训练集和测试集，根据所述水质特征数据获得无向图矩阵；

根据所述无向图矩阵确定邻接矩阵，根据无向图构建输入矩阵，采用基于空间注意力的图卷积模块、结合基于时间注意力的长短期记忆网络模块构建预测模型，并根据所述训练集训练所述预测模型；

将所述测试集输入训练好的预测模型中，获得预测的水质特征数据；

所述根据所述无向图矩阵确定邻接矩阵，并根据无向图构建输入矩阵，采用基于空间注意力的图卷积模块、结合基于时间注意力的长短期记忆网络模块构建预测模型，并根据所述训练集训练所述预测模型，包括：

S1：根据空间注意力机制设定空间权重矩阵，并根据输入矩阵以及所述空间权重矩阵获得基于空间注意力的输入矩阵，将所述基于空间注意力的输入矩阵进行图卷积操作，获得空间卷积矩阵；

S2：根据时间注意力机制设定时间权重矩阵，并根据空间卷积矩阵以及所述时间权重矩阵获得基于时空注意力的输入矩阵，将所述基于时空注意力的输入矩阵输入长短期记忆网络模型中，获得时空特征矩阵，并根据所述时空特征矩阵确定新的输入矩阵；

S3：根据所述新的输入矩阵按照预设训练次数重复执行S1至S2的步骤，直至获得预测模型；

根据所述无向图矩阵确定邻接矩阵，包括：

根据河道监测点信息确定所述无向图矩阵，其中所述河道监测点信息包括河道所有监测点每一时刻监测所得水质特征数据、河道条数、河道距离、河道深度；

根据所有相邻的监测点之间的河道信息确定所有相邻两监测点之间的权重，并根据所述所有相邻两监测点之间的权重确定邻接矩阵。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述水质特征数据获得无向图矩阵之后，还包括：

按照预设时间间隔将所述无向图矩阵分为多个不同周期的周期性无向图矩阵；

相应地，所述根据所述无向图矩阵获得邻接矩阵，包括：

分别根据每个周期性无向图矩阵获得多个周期性邻接矩阵。

3.根据权利要求1或2所述的方法，其特征在于，所述水质特征数据包括水质类别、水温、PH值、溶解氧DO、氨氮NH3-N、总磷TP、总氮、高猛酸钾指数、叶绿素、藻类颗粒以及水流方向中的至少一种。

4.一种水质预测装置，其特征在于，包括：

获取模块，用于获取预设时间段内所有预设监测点的水质特征数据，将水质数据划分为训练集和测试集，根据所述水质特征数据获得无向图矩阵；

训练模块，用于根据所述无向图矩阵确定邻接矩阵，并根据无向图构建输入矩阵，采用基于空间注意力的图卷积模块、结合基于时间注意力的长短期记忆网络模块构建预测模型，并根据所述训练集训练所述预测模型；

预测模块，用于将所述测试集输入训练好的预测模型中，获得预测的水质特征数据；

所述训练模块具体用于：S1：根据空间注意力机制设定空间权重矩阵，并根据输入矩阵以及所述空间权重矩阵获得基于空间注意力的输入矩阵，将所述基于空间注意力的输入矩阵进行图卷积操作，获得空间卷积矩阵；S2：根据时间注意力机制设定时间权重矩阵，并根据空间卷积矩阵以及所述时间权重矩阵获得基于时空注意力的输入矩阵，将所述基于时空注意力的输入矩阵输入长短期记忆网络模型中，获得时空特征矩阵，并根据所述时空特征矩阵确定新的输入矩阵；S3：根据所述新的输入矩阵按照预设训练次数重复执行S1至S2的步骤，直至获得预测模型；

所述训练模块，还具体用于根据河道监测点信息确定所述无向图矩阵，其中所述河道监测点信息包括河道所有监测点每一时刻监测所得水质特征数据、河道条数、河道距离、河道深度；根据所有相邻的监测点之间的河道信息确定所有相邻两监测点之间的权重，并根据所述所有相邻两监测点之间的权重确定邻接矩阵。

5.一种服务器，其特征在于，包括存储器和至少一个处理器；

所述存储器用于存储计算机执行指令；

至少一个处理器，用于执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至3任一项所述的水质预测方法。

6.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至3任一项所述的水质预测方法。