申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

申请日：2024-03-05

公开（公告）日：2024-04-05

公开（公告）号：CN117830031A

主分类号：G06Q50/06

分类号：G06Q50/06;G06F18/10;G06F18/213;G06F18/25;G06F123/02;G06N3/0442;G06N3/045;G06N3/049;G06Q50/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种供水管网末梢水质浊度预测方法及相关设备，所述方法包括：获取城市供水管网监测网络采集的历史数据集，分析不同时延下所述第一监测数据与所述第二监测数据之间的时序相关性，得到每个所述内部监测点位的水况波动对每个所述末梢监测点位的水质浊度的影响持续时间；建立LSTM神经网络进行时序特征提取，并用深度神经网络网络进行特征融合，建立浊度预测模型；获取内部监测点位的目标监测数据，将目标监测数据输入到所述供水管网末梢水质浊度预测模型中进行预测，得到供水管网末梢监测点位的目标水质浊度。本发明有效提高了供水管网末梢水质的评估精度，可准确预测城市供水管网末梢水质浊度变化，对保障饮用水质量安全具有重要意义。

主权项：1.一种供水管网末梢水质浊度预测方法，其特征在于，所述的供水管网末梢水质浊度预测方法包括：获取城市供水管网监测网络采集的历史数据集，其中，所述历史数据集包括供水管网中内部监测点位的第一监测数据和供水管网中末梢监测点位的第二监测数据；分析不同时延下所述第一监测数据与所述第二监测数据之间的时序相关性，得到每个所述内部监测点位的水况波动对每个所述末梢监测点位的水质浊度的影响持续时间；通过长短时记忆神经网络算法，根据所有所述影响持续时间，构建时序神经网络，通过所述时序神经网络提取每个所述内部监测点位的时序特征，将所有所述时序特征输入到深度神经网络，通过迭代训练得到供水管网末梢水质浊度预测模型；获取每个所述内部监测点位的目标监测数据，将所有所述目标监测数据输入到所述供水管网末梢水质浊度预测模型中进行预测，得到所有所述供水管网末梢监测点位的目标水质浊度。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种供水管网末梢水质浊度预测方法及相关设备

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