申请/专利权人：山东科技大学

申请日：2022-06-24

公开（公告）日：2024-03-26

公开（公告）号：CN115166176B

主分类号：G01N33/18

分类号：G01N33/18;G06F18/2135;G06N3/0464;G06F17/15;G06F17/18;G06N3/048

优先权：

专利状态码：有效-授权

法律状态：2024.03.26#授权;2022.11.11#实质审查的生效;2022.10.11#公开

摘要：本发明公开了一种基于TCN模型的池塘溶解氧浓度预测方法，属于专门适用于预测目的的数据处理方法技术领域，用于溶解氧浓度的预测，包括对原始溶解氧时间序列进行预处理，采用线性插值方法对原始溶解氧时间序列进行补全操作，得到预处理后的溶解氧时间序列{Xt}；对{Xt}使用改进的自适应噪声完备集合经验模态分解方法进行分解，得到一系列的平稳分量{IMFn}和残差{Rn}；对所有平稳分量使用TCN模型进行预测，得到所有平稳分量对应的预测结果；使用主成分分析确定所有平稳分量对原始溶解氧时间序列的贡献率，根据贡献率确定所有预测结果对应的权重，得到最终预测结果。

主权项：1.一种基于TCN模型的池塘溶解氧浓度预测方法，其特征在于，包括：S1：对池塘中溶解氧传感器采集到的原始溶解氧时间序列进行预处理，采用线性插值方法对原始溶解氧时间序列进行补全操作，得到预处理后的溶解氧时间序列{Xt}；溶解氧传感器设在池塘中，每隔15分钟对池溏中的溶解氧浓度进行一次采集，累计采集24小时溶解氧浓度数据作为原始溶解氧时间序列；S2：对{Xt}使用改进的自适应噪声完备集合经验模态分解方法进行分解，得到一系列的平稳分量{IMFn}和残差{Rn}；S3：TCN模型为时域卷积网络模型，对步骤S2得到的所有平稳分量使用TCN模型进行预测，使用二次回归模型预测{Rn}，得到所有平稳分量对应的预测结果；S4：使用主成分分析确定所有平稳分量对原始溶解氧时间序列的贡献率，根据贡献率确定所有预测结果对应的权重，将步骤S3得到的所有预测结果按照对应的权重进行加权，得到1小时后的溶解氧浓度最终预测结果步骤S2中改进的自适应噪声完备集合经验模态分解方法包括以下步骤：S2.1：在S1中的{Xt}中加入1组高斯白噪声后构建新的序列{S1}，EMD表示经验模态分析方法，使用EMD分解计算{S1}的局部均值，得到第一阶残差R1和{IMFn}的第一个分量IMF1；S1＝Xt+γ0E1ωiR1＝MS1IMF1＝S1-R1算子En·为进行EMD分解得到的第n个模态，M·表示满足{IMFn}判定条件的包络线局部均值的算子，ωi表示均值和单位方差分别为0和1的高斯白噪声，且i＝1，2，……，n， 表示高斯白噪声系数，用于调整添加的噪声与添加噪声后的残差之间所需的信噪比，当n1时，γn＝ε0stdRn，ε0表示高斯白噪声的幅值，设为0.2，std·为标准差算子，·代表进行平均值计算；S2.2：在R1中加入1组高斯白噪声，构建待分解序列{S2}，通过经验模态分析方法分解{S2}，计算{S2}的局部均值，得到第二阶残差R2和{IMFn}的第二个分量IMF2：R2＝MR1+γ1E2ωiIMF2＝S2-R2S2.3：重复S2.2，在Rn中加入1组高斯白噪声，构建待分解序列{Sn}，通过经验模态分析方法分解{Sn}，计算{Sn}的局部均值，得到第二阶残差Rn和{IMFn}的第二个分量IMFn；Rn＝MRn-1+γn-1EnωiIMFn＝Sn-RnS2.4：当第n阶残差Rn为单调函数时，停止计算，记录获得的所有平稳分量{IMFn}和所有残差{Rn}。

全文数据：

权利要求：

百度查询： 山东科技大学 一种基于TCN模型的池塘溶解氧浓度预测方法

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