龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江农林大学
摘要：本发明公开了一种基于注意力机制的近海藻华爆发预测方法，采集待测近海的历史水质数据以及对应的气候数据和水华藻浓度，对数据进行整理后得到数据集N；对数据集N进行异常值、缺失值处理、Z‑score标准化后，计算历史水质数据、气候数据与水华藻浓度间的皮尔逊相关系数，筛选出关键特征变量后并确定特征属性，再进一步进行MIN‑MAX归一化去除量纲后，利用滑动窗口和预测长度划分为训练集、验证集和测试集；构建基于注意力机制的多元时间序列预测模型，并采用训练集和验证集进行模型训练与调整，得到根据输入的水质数据、气候数据预测近海水华藻浓度的多元预测模型；本发明模型利用注意力机制动态调整不同特征的权重，更准确地预测近海藻华的丰度和群落结构。
主权项：1.一种基于注意力机制的近海藻华爆发预测方法，其特征在于，包括：步骤1，采集待测近海的历史水质数据以及对应的气候数据和水华藻浓度，对数据进行整理后得到数据集N；步骤2，对数据集N进行异常值、缺失值处理，得到数据集N1；步骤3，对数据集N1进行Z-score标准化后，计算历史水质数据、气候数据与水华藻浓度间的皮尔逊相关系数，筛选出关键特征变量后并确定特征属性，得到数据集N2；步骤4，将数据集N2进行MIN-MAX归一化去除量纲，得到数据集N3，经对数据集N3进行划分处理，将特征数据列记为X，预测目标数据列记为Y，利用滑动窗口和预测长度将数据列X、Y分别顺序划分为训练集、验证集和测试集；步骤5，构建基于注意力机制的多元时间序列预测模型，并采用训练集和验证集进行模型训练与调整，得到根据输入的水质数据、气候数据预测近海水华藻浓度的多元预测模型；步骤6，将待测近海域水质数据和气候数据输入训练好的多元预测模型，对设定时间序列下的水华藻浓度作出预测。
全文数据：
权利要求：
百度查询： 浙江农林大学 一种基于注意力机制的近海藻华爆发预测方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号