龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：华北水利水电大学
申请日：2024-02-27
公开（公告）日：2024-05-31
公开（公告）号：CN118114820A
主分类号：G06Q10/04
分类号：G06Q10/04;G06Q10/0637;G06Q50/06;G06N3/0442;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.18#实质审查的生效;2024.05.31#公开
摘要：本发明公开了一种基于DeepTCN‑GRU深度学习模型的水质预测方法，涉及水质预测领域，包括首先收集、预处理、规范化水质数据，经深度时间卷积层提取时空特征，然后传递至门控制单元以处理特征并捕捉长期依赖关系；在训练中通过反向传播不断调整参数以适应水质数据模式，完成训练后通过前向传播实现对新水质数据的精准预测。本发明基于DeepTCN‑GRU深度学习模型的水质预测方法具有高效的时间序列建模能力、多层次特征学习能力、针对不同时间尺度的建模能力、强大的泛化能力和自适应学习能力等优势，能够在水质预测领域取得意想不到的良好效果。
主权项：1.一种基于DeepTCN-GRU深度学习模型的水质预测方法，其特征在于：包括以下步骤：S1、对收集的水质数据进行清洗处理，并对处理后的数据进行规范化或归一化，以确保数据在相同的尺度范围内；S2、使用深度时间卷积网络来提取水质数据中的时空特征：先将上述的时序数据格式化为三维张量，之后通过一维卷积操作和激活函数来提取局部模式，并使用最大池化层来降维，逐步构建深层次的时空特征提取结构，同时引入Dropout来减小过拟合的可能性，后将卷积层提取的时空特征映射到输出空间；S3、在上述S2深度时间卷积层提取的特征的基础上，使用门控循环单元，通过更新门、重置门、新的候选隐藏状态和更新隐藏状态的操作，处理时间序列数据并捕捉数据中的长期依赖关系；S4、使用反向传播算法来不断调整DeepTCN-GRU模型的参数以适应水质数据模式；S5、使用训练好的DeepTCN-GRU模型进行前向传播，实现对未来新水质指标数据的预测。
全文数据：
权利要求：
百度查询： 华北水利水电大学 一种基于DeepTCN-GRU深度学习模型的水质预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号