申请/专利权人：重庆工商大学

申请日：2020-05-29

公开（公告）日：2024-03-22

公开（公告）号：CN111652425B

主分类号：G06Q10/04

分类号：G06Q10/04;G06F16/2458;G06F16/29;G06N3/0442;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2020.10.13#实质审查的生效;2020.09.11#公开

摘要：本发明公开了一种基于粗糙集和长短期记忆网络的河流水质预测方法，使用针对不确定信息的粗糙集方法筛选主要因素，解决长序列训练过程中的梯度消失和梯度爆炸问题的长短期记忆网络建模进行河流水质预测，包括以下步骤：S1：采集数据形成原始序列，其中数据为历史数据，包括水质数据、水文数据、天气数据和经济社会数据；S2：建立预测模型，具体采用粗糙集理论对水质的影响因素进行约简，形成约简集，使用约简集进行长短期记忆网络建模训练；S3：利用步骤S2中的预测模型，对未来时刻水质进行预测；S4：输出预测结果。

主权项：1.一种基于粗糙集和长短期记忆网络的河流水质预测方法，其特征在于：使用针对不确定信息的粗糙集方法筛选主要因素，解决长序列训练过程中的梯度消失和梯度爆炸问题的长短期记忆网络建模进行河流水质预测，包括以下步骤：S1：采集数据形成原始序列，其中数据为历史数据，包括水质数据、水文数据、天气数据和经济社会数据；S2：建立预测模型，具体采用粗糙集理论对水质的影响因素进行约简，形成约简集，将接受的历史数据进行离散化，采用连续数据使用信息熵Entropy算法，进行属性约简使用遗传算法Genetic，输出属性约简集合，使用约简集进行长短期记忆网络建模训练；S3：利用步骤S2中的预测模型，对未来时刻水质进行预测；S4：输出预测结果；步骤S3中，对未来时刻水质进行预测的具体步骤为：按照训练输入-输出模式，将新的数据输入粗糙集和长短期记忆网络中，模型输出即为未来时刻水质；所述预测未来时刻水质步骤具体包括：将数据集中连续数据进行离散化，水质数据集为U，类别数为n，设u为U中的一个样本，ua为u在属性a上的取值，属性a为连续属性，a的取值集合为Ua＝{ua∣u∈U}＝{x1，x2，…，xn}，对a进行基于信息熵的离散化；B1：对属性a的所有取值从小至大进行排序，设得到的序列为：x1，x2，…，xn；B2：设置候选分割点Ti，认为每个Ti为一个潜在的区间边界： 即Ti将样本集合U划分为两个子集U1i＝{u∈U∣ua≤Ti}和U2i＝{u∈U∣uaTi}，选择Ti，使得将其作为分割点划分U后的熵最小，熵的计算公式如下： 其中，pki为类别i在子集Uk中的概率，B3：将粗糙集输出结果也就是属性约简集输入长短期记忆网络，进行网络建模，所述的长短期记忆网络的输入变量个数由粗糙集属性约简集的个数决定，设置两层LSTM网络，设置记忆单元个数为128，迭代次数设置为100，sigmod函数控制遗忘门，输入门和输出门，tanh函数为激活函数，具体步骤为：C31：遗忘门控制细胞历史状态信息的保留，激活函数使得遗忘门的输出值在[0,1]之间，当遗忘门输出为0的时候，表示将上一层状态的信息全部丢弃；为1的时候，表示上一层状态的信息全部保留；遗忘门的输入为上一层的输出ht-1和当前层的输入xt，通过sigmoid激活函数，得到遗忘门的输出ft，数学表达式为：ft＝σWf*[ht-1,xt]+bf其中，σ为sigmoid激活函数，ht-1为上一层的输出，xt是当前层的输入，Wf是权重，bf是偏置；C32：输入门控制信息输入，生成补充信息；首先使用Sigmoid激活函数，负责处理当前序列位置的输入，输出为it；然后使用tanh激活函数，输出为Ct，两者的结果后面会相乘再去更新细胞状态，数学表达式如下：it＝σWi*[ht-1,xt]+bi Ct＝tanhWC*[ht-1,xt]+bC其中，Wi和WC是权重，bf和bc是偏置；C33：更新信息，信息通过遗忘门和输入门得出的结果，需要进行更新状态；输出结果Ct由两部分组成，第一部分是Ct-1和第一步遗忘门输出ft的乘积，第二部分是第二步输入门的it和Ct的乘积，计算公式如下所示：Ct＝ft*Ct-1+it*CtC34：输出门选择性输出，sigmoid层确定细胞状态的哪个部分将输出出去；把细胞状态通过tanh层进行处理，得到一个在-1到1之间的值并将它和sigmoid门的输出相乘，得到最终输出结果，计算公式如下：Ot＝σWoht-1+UOxt+bOht＝Ot*tanhCt最终的输出结果ht由两部分组成，第一部分是Ot，它由上一层的输出ht-1和当前层的输入xt，以及激活函数sigmoid得到，第二部分由第三步的输出和tanh激活函数组成；C35：重复以上步骤，得到最后的水质预测结果。

全文数据：

权利要求：

百度查询： 重庆工商大学 一种基于粗糙集和长短期记忆网络的河流水质预测方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD