CN114398423B 一种基于多源数据的河涌水质时空预测方法及系统 （广东长天思源环保科技股份有限公司）

道深海路17号瀚天科技城A区8号楼三US2021389766A1,2021.12.16一种基于多源数据的河涌水质时空预测方本发明的目的在于提出一种基于多源数据的河涌类型为以生活污水为主导的河涌；步骤的中心监测站与任一空间坐标点的污染映射关2步骤S6：根据巡检设备巡航监测数据，使用LST步骤S7：结合水质时间序列预测模型与污染映射关系LSTM模型构建该时段的水质空间映射关系模型为：H,=F(C,X,,Z)，其中为中心监关系模型输出为监测对象在某坐标中的水质分布数空间预测模型；最后，采用MAE、RMSE这2种度量方式来对预测结果进行评估，其中3ca为中心监测站前一监测时间的中心监测站数据，所述水质时间映射关系模型输出当前时刻的中心监测站的中心监测站数据。述步骤S4中巡检设备获取水质分布情况的时间确获取所述中心监测站对河涌的污染物进行监测的时间点并以所述时间点作为监测时5.一种基于多源数据的河涌水质时空预测系统，使用权利要求1~4任一项所述一种基所述对象选取模块用于获取河涌排污类型，并选择排污类型为生活污水所述数据获取模块用于在规定的监测时间内获取监测点的水质分布情况数据以及当所述预测模型模块用于根据所述数据获取模块获取到的数据进行训监测的时间点并以所述时间点作为巡检设备获取水质分所述水质分布情况数据完整度检测模块用于对水质分布情况数据、监4数据补全模块用于对被剔除的数据以及缺失的数据采用均值插水质时间序列预测模型建立模块用于构建水质时间序列预测模型，将监测时间的中心监测站数据与气象因素作为当前监测时间的特征指标对水质时间序列预污染映射关系模型建立模块用于构建污染映射关测试模块用于评估所述水质时间序列预测模型与污染映射关系模型对于预测结果的567中Ct-1为中心监测站前一监测时间的中心监测站数据，所述水质时间映射关系模型输出当关系模型输出为监测对象在某坐标中的水质分布[0029]第一训练数据以及第二训练数据按3:1比例随机拆分训练集与测试集，使用数空间预测模型；最后，采用MAE、RMSE这2种度量方式来对预测结果进行评估，其中其中yi为真实数据，为通过模型得到的[0032]获取所述中心监测站对河涌的污染物进行监测的时间点并以所述时间点作为监8[0037]所述数据获取模块用于在规定的监测时间内获取监测点的水质分布情况数据以对河涌的污染物进行监测的时间点并以所述时间点作为巡检设备获取水质分布情况的时前一监测时间的中心监测站数据与气象因素作为当前监测时间的特征指标对水质时间序[0046]测试模块用于评估所述水质时间序列预测模型与污染映射关系模型对于预测结9发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方作为污染映射关系模型的训练数据。而气象因素为在收集所述水质分布情况数据时的温模型精度较高，能够气象因素对应预测出不同时段的中心监测站数据的时间序列预测值。中Ct-1为中心监测站前一监测时间的中心监测站数据，所述水质时间映射关系模型输出当关系模型输出为监测对象在某坐标中的水质分布00时刻时所述中心[0088]第一训练数据以及第二训练数据按3:1比例随机拆分训练集与测试集，使用数空间预测模型；最后，采用MAE、RMSE这2种度量方式来对预测结果进行评估，其中其中yi为真实数据，为通过模型得到的[0089]当对水质时间序列预测模型进行评估时，所述yi为中心为通过水质时间序列预测模型得到的中心监测站数据的预测数据。过水质时间序列预测模型得到的水质分布情况数据LSTM预测值与真实值比较图，预测均方根误差(RMSE)为0.338，平均绝对误差率(MAE)为[0093]在机器学习建模领域中，不同评价指标(即特征向量中的不同特征就是所述的不[0095]获取所述中心监测站对河涌的污染物进行监测的时间点并以所述时间点作为监[0101]所述数据获取模块用于在规定的监测时间内获取监测点的水质分布情况数据以对河涌的污染物进行监测的时间点并以所述时间点作为巡检设备获取水质分布情况的时前一监测时间的中心监测站数据与气象因素作为当前监测时间的特征指标对水质时间序[0110]测试模块用于评估所述水质时间序列预测模型与污染映射关系模型对于预测结点可以在任何的一