申请/专利权人：中国科学院沈阳计算技术研究所有限公司

申请日：2020-07-03

公开（公告）日：2024-04-12

公开（公告）号：CN113887119B

主分类号：G06F30/27

分类号：G06F30/27;G06F17/18;G06N3/0442;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.01.21#实质审查的生效;2022.01.04#公开

摘要：本发明涉及一种基于SARIMA‑LSTM的河流水质预测方法。该方法首先使用SARIMA模型对河流水质参数进行线性拟合及预测，得到预测值并计算残差。然后再使用LSTM神经网络进行残差序列的训练及预测，最后将两次的预测值相加得到最终的预测结果。河流水质监测数据具有线性特征和非线性特征，SARIMA模型能够很好的提取水质数据序列中的线性部分，从而可以加快LSTM神经网络模型训练的收敛速度，提高模型对非线性部分的预测能力以及降低出现局部收敛的可能性。本发明方法通过相关实验验证了方法的有效性。

主权项：1.一种基于SARIMA-LSTM的河流水质预测方法，其特征在于，包括以下步骤：1从数据库中提取河流水质指标监测数据；2对河流水质指标监测数据预处理，处理数据中的异常值和缺失值，并将数据转换成时间序列Zt；3对时间序列进行单位根检验即ADF检验，判断时间序列是否为平稳序列，如果是，则进行步骤4，否则，对时间序列进行d阶差分从而使时间序列平稳化；4对平稳化后的时间序列绘制自相关图和偏自相关图，并根据自相关图初始化模型参数q的初始值，根据偏自相关图初始化参数p的值，同时提取时间序列的季节效应初始化模型参数s的值；5通过网格搜索算法并依据AIC准则，得到SARIMAp，d，q×P，D，Qs最优的参数组合；6对SARIMA模型进行训练，并使用SARIMA模型中的预测函数对模型进行预测，得到时间序列的拟合预测序列X′t；7将用于表示河流水质指标监测数据的时间序列Zt减去SARIMA模型预测序列X′t得到预测值的残差序列Et；8将残差序列Et以滑动窗口的形式切分成N段长度为t的序列，并用LSTM模型对残差序列进行残差预测，得到预测序列E′t；9计算X′t加E′t的和即最终预测序列；10判断最终预测序列Z′t是否满足最大误差要求或者LSTM模型达到最大迭代次数，如果是，则输出最终预测序列Z′t，用于表示河流水质，否则调整p、q的值，重新回到步骤4。

全文数据：

权利要求：

百度查询： 中国科学院沈阳计算技术研究所有限公司 一种基于SARIMA-LSTM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